ファジィニ項関係に基づくRough Membership C-Means法に関する一考察

摘要

クラスタリングは教師無し分類手法の一つであり，データを自動的に類似した対象同士にグループ化することができ る.最も代表的なクラスタリング手法の一つとして，Hard C-Means (HCM; k-means)法が知られている.HCM 法にラフ集合理論の概念を導入して拡張した手法に Rough Set C-Means (RSCM)法があり，その発展と してRough Membership C-Means (RMCM)法が提 案されている.RMCM法は二項関係によって粒状化され た近似空間におけるクラスタリングモデルであり，対象の クラスターへの帰属度を，対象の近傍内でのクラスター比 率を表すラフメンバシップ値により決定する.RMCM法 では近傍情報を基に帰属が確実な領域や不確実な領域を検 出することにより，信頼性の高いクラスタリングを実現可 能であることが示されている.本研究では，RMCM法に おける二項関係をフアジィニ項関係に拡張し，より詳細な 近傍情報を利用することで，分類にどのような影響が生じ るかについて検証する.