クラスタ数推定のための最ゆう法に基づくロバストクラスタリング

概要

論文の詳細を見る
パターン認識などにおいて収集されるパターン集合には,主たるクラスタがいくつあるかわからず,更に,はずれ値(outlier)を含むようなものがある.本論文の目的は,そのようなパターン集合から,適切なクラスタ数を推定することである.パターンの分布を記述するモデルを設定すると,それに含まれるパラメータの最ゆう推定と, Akaike Information Criterion (AIC)やMinimum Description Length (MDL)を用いたパラメータ数の最適化からクラスタ数を推定できる. しかし,パターン集合にはずれ値が含まれる場合には,それらがパラメータ推定に影響を与え, よって,クラスタ数の推定にも影響を及ぼす.本論文では,はずれ値の影響を軽減するために,多変数混合正規分布モデルを用いた,最ゆう法に基づく二つのロバストクラスタリング(MARC1およびMARC2)を提案する.そして,そのクラスタリングの結果得られるパラメータを用いて, AICおよびMDLによるクラスタ数の推定を試みた.実験を通じ,各クラスタの45%のパターンがはずれ値に置き換えられても,それらがパラメータ推定に与える影響を小さくでき,適切なクラスタ数の推定が行えることを確認した. また,提案手法の適用限界についても考察した.更に,画像の領域分割への適用結果を示した.
1995-08-25

クラスタ数推定のための最ゆう法に基づくロバストクラスタリング

スポンサーリンク

概要

著者

関連論文

スポンサーリンク