informИнформатикаInformatics1816-03012617-6963UIIP NASBinform-530Research ArticleОБРАБОТКА СИГНАЛОВ, ИЗОБРАЖЕНИЙ, РЕЧИ, ТЕКСТА И РАСПОЗНАВАНИЕ ОБРАЗОВSIGNAL, IMAGE, SPEECH, TEXT PROCESSING AND PATTERN RECOGNITIONАНАЛИЗ УСТОЙЧИВОСТИ МЕТОДОВ НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ К АНОМАЛЬНЫМ НАБЛЮДЕНИЯМСадовскаяК. М.НПРУП «Агат-Систем»Belarus20092410201804(24)2737Copyright © Садовская К.М., 20182018Садовская К.М.Садовская К.М.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/530

Исследуется проблема устойчивости решений задачи нечеткой кластеризации по отношению к включению в исследуемую совокупность аномальных наблюдений. Рассматриваются целевые функционалы распространенных оптимизационных методов нечеткой кластеризации FCM, NC, PCM, FRC.

ReferencesBezdek, J.C. Pattern Recognition with Fuzzy Objective Function Algorithms / J.C. Bezdek. – N.Y. : Plenum Press, 1981. – 230 p.Bezdek, J.C. Pattern Recognition with Fuzzy Objective Function Algorithms / J.C. Bezdek. – N.Y. : Plenum Press, 1981. – 230 p.Davé, R.N. Robust Clustering Methods: A Unified View / R.N. Davé, R. Krishnapuram // IEEE Transactions on Fuzzy Systems. – 1997. – № 5. – P. 270–293.Davé, R.N. Robust Clustering Methods: A Unified View / R.N. Davé, R. Krishnapuram // IEEE Transactions on Fuzzy Systems. – 1997. – № 5. – P. 270–293.Dave, R.N. Characterization and detection of noise in clustering / R.N. Dave // Pattern Re¬cognition. – 1991. – Vol. 11, № 12. – P. 657–664.Dave, R.N. Characterization and detection of noise in clustering / R.N. Dave // Pattern Re¬cognition. – 1991. – Vol. 11, № 12. – P. 657–664.Krishnapuram, R. A possibilistic approach to clustering / R. Krishnapuram, J.M. Keller // IEEE Trans. Fuzzy Systems. – 1993. – № 1. – P. 98–110.Krishnapuram, R. A possibilistic approach to clustering / R. Krishnapuram, J.M. Keller // IEEE Trans. Fuzzy Systems. – 1993. – № 1. – P. 98–110.Yang, T.-N. Competitive algorithm for the clustering of noisy data / T.-N. Yang, S.-D. Wang // Fuzzy Sets and Systems. – 2004. – № 141. – P. 281–299.Yang, T.-N. Competitive algorithm for the clustering of noisy data / T.-N. Yang, S.-D. Wang // Fuzzy Sets and Systems. – 2004. – № 141. – P. 281–299.Leski, J. Robust Possibilistic Clustering / J. Leski // Archives of control sciences. – 2000. – № 10. – P. 141–155.Leski, J. Robust Possibilistic Clustering / J. Leski // Archives of control sciences. – 2000. – № 10. – P. 141–155.Rehm, F. A novel approach to noise clustering for outlier detection / F. Rehm, F. Klawonn, R. Kruse // Soft Comput. – 2007. – № 11. – P. 489–494.Rehm, F. A novel approach to noise clustering for outlier detection / F. Rehm, F. Klawonn, R. Kruse // Soft Comput. – 2007. – № 11. – P. 489–494.

The authors declare that there are no conflicts of interest present.