고차원 이미지 인식을 위한 Polynomial RBF Neural Network 설계 및 응용

고차원의 이미지 패턴인식 문제는 패턴 분류기의 학습 되어야 할 파라미터의 증가 문제로 인한 매우 어려운 패턴인식 문제이다. 본 연구에서는 패턴 분류기의 많은 파라미터들의 학습방법을 제시하고 이로 인하여 고차원의 이미지 인식을 위한 효율적인 방법론을 제시한다. 본 연구에서는 고차원의 패턴 분류를 위한 분류기로 Polynomial Radial Basis Function Neural Network(p-RBFNN)을 제안한다. p-RBFNN은 FCM 클러스터링에 기반 한 분할 함수를 활성 함수로 사용하며, 다항식 함수로 구성된 연결가중치를 사용함으로서 기존 신경회로망 분류기의 선형적인 특성을 개선한다. 또한 제안된 p-RBFNN을 Yale 얼굴 Databases로 적용하여 성능을 분석한다.