The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on the Modified FCM Algorithm using Intracluster

내부클러스터를 이용한 개선된 FCM 알고리즘에 대한 연구

  • Ahn, Kang-Sik (Dept.of Control Instrumentation Engineering, Graduate School of Korea Maritime University) ;
  • Cho, Seok-Je (Dept. of Mechanical Information Engineering, Korea Maritime University)
  • 안강식 (한국해양대학교 대학원 제어계측공학과) ;
  • 조석제 (한국해양대학교 기계정보공학부)
  • Published : 2002.04.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose a modified FCM (MFCM) algorithm to solve the problems of the FCM algorithm and the fuzzy clustering algorithm using an average intracluster distance (FCAID). The MFCM algorithm grants the regular grade of membership in the small size of cluster. And it clears up the convergence problem of objective function because its objective function is designed according to the grade of membership of it, verified, and used for clustering data. So, it can solve the problem of the FCM algorithm in different size of cluster and the FCAID algorithm in the convergence problem of objective function. To verify the MFCM algorithm, we compared with the result of the FCM and the FCAID algorithm in data clustering. From the experimental results, the MFCM algorithm has a good performance compared with others by classification entropy.

본 논문에서는 FCM알고리즘과 평균내부거리를 적용한 퍼지 클러스터링 알고리즘의 문제점을 해결하기 위하여 개선된 FCM 알고리즘을 제안한다. 개선된 FCM 알고리즘은 내부클러스터를 이용하여 클러스터 크기가 다른 경우에도 크기가 작은 클러스터에 일정한 소속정도를 부여할 수 있다. 그리고 이에 맞는 목적함수를 설계하고 검증한 후 데이터 분류에 사용하기 때문에 목적함수의 수렴성 문제를 극복할 수 있다. 그러므로 클러스터 크기가 다른 경우에 발생하는 FCM 알고리즘의 문제점과 목적함수의 수렴성에 문제가 있는 평균내부거리를 적용한 퍼지 클러스터링 알고리즘의 문제점을 해결할 수 있다. 제안한 알고리즘을 검증하기 위하여 제안한 알고리즘을 이용하여 데이터를 분류한 결과를 FCM 알고리즘, 평균 내부거리를 적용한 퍼지 클러스터링 알고리즘을 이용하여 데이터를 분류한 결과와 각각 비교하였다. 실험을 통하여 제안한 알고리즘으로 데이터를 분류할 경우 분류 엔트로피에 의해 기존의 알고리즘들보다 더 좋은 결과를 나타냄을 알 수 있었다.

Keywords

References

  1. T. A. Runkler and J. C. Bezdek, 'Alternating Cluster Estimation : A New Tool for Clustering and Function Approximation,' IEEE Trans. Fuzzy Syst., Vol.7, No.4, pp.377-393, 1999 https://doi.org/10.1109/91.784198
  2. P. R. Kersten, 'Fuzzy Order Statistics and Their Application to Fuzzy Clustering,' IEEE Trans. Fuzzy Syst., Vol.7, No.6, pp.708-712, 1999 https://doi.org/10.1109/91.811239
  3. J. C. Bezdek and M. M. Rrivedi, 'Low Level Segmentation of Aerial Images with Fuzzy Clustering,' IEEE Trans. Syst., Man, and Cybern, Vol.SMC-16, No.4, pp.589-598, 1986 https://doi.org/10.1109/TSMC.1986.289264
  4. J. T. Tou and R. C. Gonzalez, Pattern Recognition Principles, Addison-Wesley Publishing Company, 1974
  5. R. Krishnapuram and J. M. Keller, 'A Possibilistic Approach to Clustering,' IEEE Trans. Fuzzy Syst., Vol.1, No.2, pp.98-110, 1993 https://doi.org/10.1109/91.227387
  6. N. Pal and J. Bezdek, 'On Cluster Validity for the Fuzzy C-Means Model,' IEEE Trans. Fuzzy Syst., Vol.3, No.3, pp.370-379, 1995 https://doi.org/10.1109/91.413225
  7. R. Krishnapuram, H. Frigui, and O. Nasraoui, 'Fuzzy and Possibilistic Shell Clustering Algorithms and their Application to Boundary Detection and Surface Approximation,' IEEE Trans. Fuzzy Syst., Vol.3, No.1, pp.29-60. 1995 https://doi.org/10.1109/91.366564
  8. J. C. Bezdek, 'A Convergence Theorem for the Fuzzy ISODATA Clustering Algorithms,' IEEE Trans. Patt. Anal. Machine Intell., Vol.PAMI-2, No.1, pp.1-8, 1980 https://doi.org/10.1109/TPAMI.1980.4766964
  9. A. P. Witkin, 'Scale-Space Filtering,' Processing IJCAI-83, pp.1019-1022, 1983
  10. H. J. You, K. S. Ahn, and S. J. Cho, 'Image Segmentation Based on the Fuzzy Clustering Algorithm using Average Intracluster Distance,' 정보처리학회논문지, 제7권 제9호, pp.3029-3036, 2000
  11. 오성권, 퍼지모델및 제어이론과 프로그램, 枝多 利, 1999
  12. R. C. Duda, R. E. Hart, and D. G. Stork, Pattern Classification, 2nd Edition, John Willey & Sons, Inc., 2001
  13. J. C. Bezdek, 'Convergence Theory for Fuzzy c-Means : Counterexamples and Repairs,' IEEE Trans. Fuzzy Syst., September/October, 1987