抄録
教師無し分類とも呼ばれるクラスタリングはデータ解析の代表的な手法の一つであり、中でもファジィc-平均法はその有用性から研究が進み、FCMをもとにした多くの手法が提案されている。
ところでパターン空間上の１点で表わされているデータでも、実空間では計測誤差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。そのような問題を解決するため、遠藤らによって許容範囲という新たな概念が提案され、その概念を導入したクラスタリングアルゴリズムについて研究が進んでいる。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。また一方で、FCMでは非類似度にL1ノルムを用いた手法も研究されている。
本論文では，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、L1ノルムを用いた手法とL２ノルムを用いた手法を比較検討する。
