비계층적 군집방법 -2-

1. 퍼지 K-means 알고리즘 2. 모형기반 군집방법 [퍼지 K-means 알고리즘] 퍼지(fuzzy)는 영어사전에서 흐릿하다는 뜻을 가진다. 군집분석에서 퍼지는 하나의 객체가 하나의 군집에만 속하지 않는다. 하나의 객체는 모든 군집에 속할 가능성이 있으며, 퍼지 K-means는 이 확률을 최적화하는 문제로 정의된다. 그리고 최적화 방식으로 K-means 방법과 동일한 방법을 사용한다. 이것이 끝이다. Pij를 객체 i가 군집 j에 속할 확률이라고 하고, Z를 각 확률과 거리 곱의 총합이라고 할 때, 알고리즘은 아래와 같다. <단계 1> 군집 수 K, 퍼지 상수(fuzziness index) m, 수렴 조건을 정한다. <단계 2> K 개의 초기 군집을 임의로 정한다. <단계 3> 각 군집의 중심 좌표를 식 (1)에 따라 계산한다. <단계 4> Pij를 식 (2)에 따라 계산한다. <단계 5> 객체 i를 Pij가 가장 큰 군집 j에 할당한다. 추가로 설명하자면, cj는 군집 j의 ...

원문링크 : 비계층적 군집방법 -2-