主催: 日本知能情報ファジィ学会
大阪府立大学
p. 304-307
(EndNote、Reference Manager、ProCite、RefWorksとの互換性あり)
(BibDesk、LaTeXとの互換性あり)
FCM型クラスタリングでノイズの影響を受けにくいアプローチとして,Alternative c-Means基準が提案されており,線形クラスタリングにおいても有効性が示されている.本研究では,カテゴリー観測値を含む混合データベースの線形クラスタリングにおいて,Alternative c-Means基準とカテゴリー変量の最適変換を融合することで,ノイズを含むデータからロバストな線形構造の抽出ができることを示す.
すでにアカウントをお持ちの場合 サインインはこちら