Kernel-Based Fuzzy c-Means分群演算法 硬體架構實現

Kernel-Based Fuzzy c-Means Clustering Algorithm Hadrware Implementation

楊斯閔(Yang Ssu-Min)

指導教授 ： 黃文吉

國立臺灣師範大學/理學院/資訊工程研究所/碩士(2011年)

摘要

本論文根據文獻[6]，以其FCM分群演算法的硬體架構為基礎，實作以非線性高斯核函式為核距離計算之KFCM分群演算法硬體電路，具有管線化以及可以同時計算所有分群之權重係數的能力。此架構改良了以往FCM分群演算法對於非線性資料分群效果不佳的問題，並且能夠應用在帶有雜訊的資料。本論文使用FPGA實現我們提出的硬體架構，並使用Iris data與人工雜訊圖片作為實驗測詴資料。實驗結果顯示本架構對於非線性資料分群效果確實較FCM佳，且架構簡單提供了日後高度的延伸性。

關鍵字

可程式邏輯陣列 ； FCM演算法 ； 系統程式晶片設計 ； KFCM演算法

參考文獻

[1]Bezdek, J. C., "Fuzzy mathematics in pattern classification," Ph.D. dissertation,

[2] S.Chen, D.Zhang, "Robust image segmentation using FCM with spatial constraints based on new kernel-induced distance measure," IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics , vol.34, no.4, pp.1907-1916, Aug. 2004.

[3]J. Garcia-Lamont, L.M. Flores-Nava, F. Gomez-Castaneda, J.A. Moreno-Cadenas,

"CMOS Analog Circuit for Fuzzy C-Means Clustering," IEEE Proc. 5th

[4] P. Hung, H. Fahmy, O. Mencer, and M. J. Flynn, "Fast Division Algorithm with a Small Lookup Table," IEEE Asilomar Conference on Signals, Systems, and Computers, pp.1465-1468, 1999.