View : 121 Download: 0

SOM과 Hu 불변 이미지 모멘트 기반 이미지 클러스터링 성능 평가 방법

SOM과 Hu 불변 이미지 모멘트 기반 이미지 클러스터링 성능 평가 방법
Other Titles
Performance Evaluation for Image clustering based on SOM and Hu Invariant Image moments
Issue Date
대학원 컴퓨터공학과
이화여자대학교 대학원
Self-Organization Maps (SOM) is known to be very effective tools in visualization, which deal with the trans formation of high-dimensional data into two-dimensional output space. SOM algorithm has been applied to various image retrieval systems and speech recognition applications. However, the SOM gives significantly different results depending on initial weight distribution and given parameters of the SOM algorithm which are also determined in learning process. Therefore, we need the appropriate way to get the optimal classification algorithm. This thesis proposes an optimal evaluation framework of the SOM approach which defines four types of evaluation criteria regardless of the initial random weights for SOM networks. The proposed framework concerning performance evaluation is divided into two components such as clustering system and evaluation system to treat the optimal value of good grouping. In this thesis, Hu invariant moment algorithm is used to get the feature vectors that are independent results of shifting, rotation and scale for extraction of feature image. And then, we extract best features from statistical evaluation criteria. Experimental evaluation process deals with four criteria which classifies the cluster grouping quality. It seems to be somewhat optimal case in heuristic approach. All the tested clusters are compared with other factors. The total number of compared clusters are 10. It is easy to find the optimal solution from comparing the total value of evaluation points by using graphical representation. Finally, Hu image invariant method in this thesis shows good results and it is verified to check the usefulness and feasibility of the proposed evaluation algorithms.;정보기술과 다양한 멀티미디어 기기의 발달은 대용량 멀티미디어 데이터의 범람을 초래했다. 기존의 정형적 형태의 텍스트 기반 데이터와는 달리 행렬과 벡터 형태와 같은 비정형적 형태를 가진 대용량 멀티미디어 데이터는 사용자가 원하는 정확한 데이터를 찾기란 쉽지 않다. 일반적으로 대량의 정보를 분석을 위해 사용하는 클러스터링은 방대한 데이터의 감추어진 구조나 패턴을 찾아내 몇 개의 클러스터로 구분하는 방법으로, 데이터를 체계적으로 분석하기 위해 사용한다. 본 논문은 신경망 클러스터링 알고리즘인 SOM(Self-Organizing Maps) 알고리즘을 이용해 클러스터링 결과를 얻는다. SOM 알고리즘은 패턴인식, 데이터마이닝, 마케팅, 이미지 처리, 음성인식 그리고 생물학 등과 같은 다양한 분야에 사용되고 있다. SOM의 처리 결과는 초기 연결 가중치 값과 파라미터의 영향으로 실행 결과가 매번 다르게 나온다. 이러한 SOM 알고리즘의 특성으로 인해 최적 클러스터링 결과를 판단하는데 어려움이 따른다. 본 논문에서 제안된 성능 평가 프레임워크는 이미지 특징 추출을 거쳐 군집화 결과를 얻는 군집화 시스템과 군집 결과를 평가하여 최적 결과를 도출하는 성능 평가 시스템으로 구성되어 있다. 성능 평가 프레임워크를 이용해, 군집화 시스템 과정으로 입력된 데이터의 크기, 회전, 위치 변화에 강인한 결과를 가지는 Hu image moments 알고리즘을 이용하여 이미지 데이터의 효과적인 클러스터 결과를 보였으며, 성능 평가 시스템에서는 SOM 알고리즘의 클러스터의 성능 평가를 위해, 정확성과 재현성, 유사성 그리고 균일성의 네 가지 평가 기준을 세우고, 각 기준에 맞는 수학적 방법을 제안하였다.
Show the fulltext
Appears in Collections:
일반대학원 > 컴퓨터공학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
RIS (EndNote)
XLS (Excel)


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.