부가정보를 이용한 조건부 Fuzzy C-Regression Model 클러스터링 알고리즘 기반 RBFNN 모델 설계

Abstract

Fuzzy C-Regression Model(FCRM) 클러스터링은 Fuzzy C-Means(FCM) 클러스터링과는 다르게 각 클러스터의 중심을 직선으로 나타내는 방법이다. 데이터의 실제 출력값을 사용한다는 것이 FCRM 클러스터링의 약점으로 작용한다. 본 논문에서는, 실제 출력값을 사용하지 않기 위해 FCRM 클러스터링의 목적함수를 개선하였고, 개선된 FCRM 클러스터링에 부가정보가 추가된 조건부 FCRM 클러스터링 기반 방사형 기저함수 신경회로망(Radial Basis Function Neural Network, RBFNN) 모델을 설계한다. 조건부 FCRM 클러스터링의 부가정보는 데이터의 실제 출력과 FCRM 클러스터링 기반 RBFNN 모델의 출력 차이(오차)의 절댓값을 정규화한 값을 사용한다. 조건부 FCRM 클러스터링을 사용하여 구한 멤버쉽값 (소속정도)은 은닉층 노드의 출력값으로 이용된다. 은닉층과 출력층 사이의 연결가중치는 최소제곱 추정 (Least Square Estimation, LSE)을 사용하여 학습한다. 제안된 모델의 성능지수는 평균 제곱근 오차(Root Mean Squared Error, RMSE)를 적용하여 평가한다. 조건부 FCRM 클러스터링 기반 RBFNN 모델은 다양한 모델의 성능과 비교해서 우수성을 보여준다.