文献

J-GLOBAL ID：201002274623188197   整理番号：10A0643714

セミハードクラスタリングとその識別器への応用

Semi-hard Clustering with Application to Classifier Design

著者 (3件)： 市橋秀友 (大阪府大) ,  野津亮 (大阪府大) ,  本多克宏 (大阪府大)
資料名： 知能と情報  (日本知能情報ファジィ学会誌)
巻： 22  号： 3  ページ： 358-367  発行年： 2010年06月15日 
JST資料番号： L0501A  ISSN： 1347-7986  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ファジィ_c平均法は適当な目的関数を設定してそれを最小化することでデータ集合を複数のクラスターに分割する方法である。したがって,最適化するための簡単なアルゴリズムが導出できるような目的関数を工夫することが重要である。その一つとして,正則化(ファジィ化)のために目的関数にエントロピー項を追加する方法が宮本により提案されている。我々はエントロピー項に対してK-L情報量の項と共分散行列の行列式の項を目的関数に追加することで,ガウス混合モデルと類似のアルゴリズムを提案している。K-L情報量の項から逆にエントロピー項を削除してメンバシップ値について線形化すれば,最適解は端点に得られる。このことから,宮本は楕円状のクラスターを得るためのハードクラスタリング法を提案している。本論文では,さらにメンバシップ値を区間[a b]に制約することでセミハードクラスタリングのアルゴリズムを提案する。そしてクラスタリング結果を識別器に用いてその性能をベンチマークデータで比較する。識別器には,K-L情報量正則化FCM法や修正FCM法を考慮して,標準ファジィ_c平均法の目的関数に定数を加え,そこから導かれるメンバシップ関数にセミハードクラスタリングでの共分散行列を用いる。識別性能を最適化するためのパラメータ探索には粒子群最適化法(PSO)を用いる。提案識別器の識別精度はSVMにほぼ等しく,k-NNに比べて優れた結果が得られた。(著者抄録)

シソーラス用語： *クラスタ化 ,  アルゴリズム ,  *ファジィ集合 ,  Gauss模型 ,  情報量 ,  共分散 ,  エントロピー ,  メンバシップ関数 ,  ベンチマーク ,  性能評価 ,  *弁別器 ,  *最適化手法 ,  サポートベクトルマシン
準シソーラス用語： Gauss混合モデル ,  Kullback-Leibler情報量 ,  k-NN ,  *セミハードクラスタリング ,  *パーティクルスウォーム最適化 ,  ファジィ_c平均法 ,  *識別器

分類 (3件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

引用文献 (23件)：

• [1] R. O. Duda and P. E. Hart, Pattern Classification and Scene Analysis, Wiley, New York, 1973.
• [2] A. P. Dempster, N. M. Laird and D. B. Rubin, “Maximum likelihood from incomplete data via the EM algorithm,” Journal of Royal Statistical Society, vol.B-39, pp.1-38, 1977.
• [3] J. C. Bezdek, Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, 1981.
• [4] R. Krishnapuram and J. M. Keller, “A possibilistic approach to clustering,” IEEE Transaction on Fuzzy Systems, vol.1, pp.98-110, 1993.
• [5] D. E. Gustafson and W. C. Kessel, “Fuzzy clustering with a fuzzy covariance matrix,” Proc. IEEE CDC, vol.2, pp.761-766, 1979.

タイトルに関連する用語 (2件)： 識別器 ,  応用