抄録
クラスタリングを始めとするデータ処理においては，パターン空間上の一点で表わされているデータでも，実空間では計測誤差等の不確定性を伴ったある種の集合として存在する場合が多い．それらデータの持つ不確定性を扱う方法論の一つに許容範囲という概念があり，研究が進められている．この方法では，データの持つ不確定性を許容ベクトルで表わし，不確定性のとり得る範囲を制約条件として最適化問題に定式化することでクラスタリングを行っている．しかし，不確定性のとり得る範囲をあらかじめ決められない場合においては，許容範囲の概念を用いることは困難となる．クラスタリングにおいて代表的手法であるファジィc-平均法には，非類似度にL1ノルムを用いた手法があり，計算スピードの点からその有効性が示されている．そこで，本論文ではL1ノルムを用いたファジィc-平均法に対して，許容範囲に代わりペナルティ項という新たな概念を導入することで，その問題を解決するアルゴリズムを提案し，数値例を通してその有効性を検証する．
