ラフメンバシップk-means法の初期値依存性に関する一考察

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であるk-means法［1］の初期化の方法は様々であるが，最初に選択するクラスタ中心はなるべく離れている方が好ましいという考えに基づき，各対象から最近隣クラスタまでの距離の二乗の値に基づいた確率を用いて，データ内からクラスタ中心を選択し初期化を実行するk-means++法［2］が提案されている．ラフ集合理論に基づいたラフ集合k-means（Rough Set k-Means，RSKM）法［3］やラフメンバシップk-means（Rough Membership k-Means，RMKM）法［4］においてもクラスタ中心の初期値は離れている方が好ましいと考えられる．本研究では，k-means++法の初期化手続きをRSKM法とRMKM法に適用したRSKM++法とRSKM++法を設計し，数値実験により初期値依存性への効果を検証する．