抄録
既に提案されているクラスタリング手法では，その対象がパターン空間上にマッピングされた点となっている．
しかし，データが誤差を含む場合，データが幅を持つ場合，データの属性に欠損がある場合などの不確実性を持つ場合等は，データは集合として扱われる．
このような場合，既に提案されている手法では，集合間の非類似度を最短距離法や最長距離法を用いて定義している．
しかし，クラスタリングで対象とする点はその集合の中のいずれかの1点に存在するとみなす方が自然であると考えられる．
本論文では，従来の手法では集合で表されている不確実性を含むデータに対して，許容範囲という概念を導入し，最適化の枠組でデータの代表点を数学的に決定する新たなクラスタリング手法の提案を行い，データの属性に欠損を持つ実データを用いて分類性能を検証する．
