ファジィc-means法 (fuzzy c-means method)

k-means法のように,各事例 \(\mathbf{x}_i\) をクラスタ \(k\) のいずれか一つに割り当てるのではなく,\(c\)個のクラスタに係数 \(u_{ki}\) に応じて割り当てる.

ベクトルで表現されたデータ \(\mathbf{x}_i\) の集合である入力に対し,次の目的関数を最小化する分割最適化クラスタリング \[\mathrm{Err}\Bigl(\{u_{ki}\},\{\boldsymbol{\mu}_{k}\}\Bigr)=\sum_{k=1}^c\;\sum_{i=1}^N\;(u_{ki})^m{\|\mathbf{x}_i - \boldsymbol{\mu}_k\|}^2\] ただし,\(\boldsymbol{\mu}_k\) はクラスタ \(k\) の中心を表し,\(\|\cdot\|\) はユークリッドノルム,\(m\gt1\) は割り当てのファジィさを決めるパラメータで,\(c\) はクラスタ数のパラメータ.

アルゴリズム

  1. 初期化:\(\{u_{ki}\}\) をランダムに初期化
  2. 現在の \(\{u_{ki}\}\) を用いて,各クラスタの中心 \(\boldsymbol{\mu}_k\) を次式で計算 \[\boldsymbol{\mu}_k=\frac{\sum_i^N (u_{ki})^m \mathbf{x}_i}{\sum_i^N (u_{ki})^m}\]
  3. 前ステップで計算した中心 \(\{\boldsymbol{\mu}_k\}\) を用いて,事例 \(\mathbf{x}_i\) のクラスタ \(k\) への割り当てを次式で更新 \[u_{ki}=\Biggl[\sum_j^c \biggl(\frac{\|\mathbf{x}_i-\boldsymbol{\mu}_k\|}{\|\mathbf{x}_i-\boldsymbol{\mu}_j\|}\biggr)^{\frac{2}{m-1}}\Biggr]^{-1}\]
  4. 前の反復と比べて \(\{u_{ki}\}\) や \(\{\boldsymbol{\mu}_k\}\) の変化が十分に小さくなれば停止.そうでなければステップ2に戻る.

-- しましま

関連項目

リンク集

関連文献


トップ   編集 凍結 差分 履歴 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2010-05-18 (火) 02:28:11