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の検討

スポンサーリンク

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、さらに、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、クラスタリングによって、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、AICやMDLによるモデルの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、それらがクラスタ数の推定に影響を及ぼす。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ロバストクラスタリング(MARC)を提案する。また、数値実験により、その振舞いについて検討を行う。
1994-09-21

著者

関連論文

もっと見る

スポンサーリンク