노이즈에 강한 밀도 기반의 FCM 클러스터링 알고리즘

Abstract

Fuzzy C-Means (FCM) 알고리즘은 probability membership을 사용하는 클러스터링 방법으로서 Hard C-Means 알고리즘 보다 더 우수한 성능을 보이며 널리 쓰이고 있다. 하지만 이 방법은 특성상 노이즈가 포함 되었을 때 성능이 떨어진다는 단점이 있다. 따라서 본 논문에서는 이러한 점을 보완하기 위해서 밀도추정 방법을 사용한 FCM 방법을 제안한다. 제안하는 알고리즘은 FCM보다나은 성능을 보이며, 특히 노이즈가 들어간 데이터에 대해서 훨씬 우수한 성능을 보이고 있다.; The Fuzzy C-means (FCM) algorithm is widely used clustering method and uses probabilitic membership. But it has a problem which is sensitive to noises. In this thesis, we propose the new fuzzy C-means clustering algorithm using density estimation and use Parzen-Window method as density estimation. Several experimental results show that the proposed FCM algorithm is better than FCM especially in data with noises and it is not sensitive to initial cluster centers.