АНАЛИЗ УСТОЙЧИВОСТИ МЕТОДОВ НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ К АНОМАЛЬНЫМ НАБЛЮДЕНИЯМ
Abstract
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.
References
1. Bezdek, J.C. Pattern Recognition with Fuzzy Objective Function Algorithms / J.C. Bezdek. – N.Y. : Plenum Press, 1981. – 230 p.
2. Davé, R.N. Robust Clustering Methods: A Unified View / R.N. Davé, R. Krishnapuram // IEEE Transactions on Fuzzy Systems. – 1997. – № 5. – P. 270–293.
3. Dave, R.N. Characterization and detection of noise in clustering / R.N. Dave // Pattern Re¬cognition. – 1991. – Vol. 11, № 12. – P. 657–664.
4. Krishnapuram, R. A possibilistic approach to clustering / R. Krishnapuram, J.M. Keller // IEEE Trans. Fuzzy Systems. – 1993. – № 1. – P. 98–110.
5. 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.
6. Leski, J. Robust Possibilistic Clustering / J. Leski // Archives of control sciences. – 2000. – № 10. – P. 141–155.
7. Rehm, F. A novel approach to noise clustering for outlier detection / F. Rehm, F. Klawonn, R. Kruse // Soft Comput. – 2007. – № 11. – P. 489–494.
Review
For citations:
. Informatics. 2009;(4(24)):27-37. (In Russ.)
Views: 452
Email this article 