クリスプ性を持つ可能性クラスタリングについて  [in Japanese] On Sparse Possibilistic Clustering with Crispness  [in Japanese]

Access this Article

Search this Article

Author(s)

    • 遠藤 靖典 Yasunori Endo
    • 筑波大学大学院システム情報工学研究科リスク工学専攻 Department of Risk Engineering, Faculty of Systems and Information Engineering, University of Tsukuba

Abstract

ファジィc-平均法に加え,可能性クラスタリングは ノイズや外れ値に対するロバスト性を持つことから有用な手法として知られている. 特に,スパース可能性クラスタリングは分類関数の観点から, 他の手法と大きく異なっている. 本稿では, L1正則化を用いて,クリスプ性を持つ可能性クラスタリングを提案し, その分類関数を示す. また,提案手法を用いたクラスタの逐次抽出法を示す. その後,数値例により提案手法の有効性を示す.

In addition to fuzzy $c$-means clustering, possibilistic clustering is well-known as one of the useful techniques because it is robust against noise in data. Especially sparse possibilistic clustering is quite different from other possibilistic clustering methods in the point of membership function. We propose a way to induce the crispness in possibilistic clustering by using $L_1$-regularization and show classification function of sparse possibilistic clustering with crispness for understanding allocation rule. We, moreover, show the way of sequential extraction by proposed method. After that, we show the effectiveness of the proposed method through numerical examples.

Journal

  • Proceedings of the Fuzzy System Symposium

    Proceedings of the Fuzzy System Symposium 28(0), 859-862, 2012

    Japan Society for Fuzzy Theory and Intelligent Informatics

Codes

  • NII Article ID (NAID)
    130005456269
  • NII NACSIS-CAT ID (NCID)
    AA12165648
  • Text Lang
    JPN
  • ISSN
    1882-0212
  • NDL Article ID
    024000007
  • NDL Call No.
    YH247-544
  • Data Source
    NDL  J-STAGE 
Page Top