[논문 리뷰] Towards Fuzzy-Hard Clustering Mapping Processes

Minyar Sassi Hidri|arXiv (Cornell University)|2012. 04. 14.

Advanced Clustering Algorithms Research참고 문헌 14인용 수 4

한 줄 요약

이 논문은 연속적인 유효성 검증 및 최적화 기법을 퍼지 클러스터링에서 하드 클러스터링으로 이전시키는 새로운 퍼지-하드 클러스터링 매핑 프레임워크를 제안한다. 국소적 및 전역적 평가 측도, 적응형 병합/분할, 자동화된 알고리즘을 통해 파artition 품질을 향상시킨다. 주요 기여는 퍼지 접근법의 강건성을 활용하면서도 퍼지 소속도 할당을 요구하지 않고 하드 클러스터링 결과를 체계적으로 향상시키는 방법을 제공한다는 것이다.

ABSTRACT

Although the validation step can appear crucial in the case of clustering adopting fuzzy approaches, the problem of the partition validity obtained by those adopting the hard ones was not tackled. To cure this problem, we propose in this paper fuzzy-hard mapping processes of clustering while benefitting from those adopting the fuzzy case. These mapping processes concern: (1) local and global clustering evaluation measures: the first for the detection of the "worst" clusters to merging or splitting them. The second relates to the evaluation of the obtained partition for each iteration, (2) merging and splitting processes taking into account the proposed measures, and (3) automatic clustering algorithms implementing these new concepts.

연구 동기 및 목표

• 하드 클러스터링에서 체계적인 평가 메커니즘이 부족한 문제를 해결하기 위해.
• 효과적인 퍼지 클러스터링 유효성 검증 및 최적화 기법을 하드 클러스터링 프레임워크로 이전하기 위해.
• 퍼지 유도 평가 지표를 사용하여 동적으로 파artition를 조정하는 자동화된 클러스터링 알고리즘을 개발하기 위해.
• 국소적 및 전역적 클러스터링 품질 측도에 따라 지도된 병합 및 분할 프로세스를 도입하기 위해.
• 퍼지 클러스터링과 하드 클러스터링 사이의 격차를 해소하여 하드 클러스터링이 퍼지 클러스터링의 파artition 평가 강건성의 이점을 얻을 수 있도록 하기 위해.

제안 방법

• 나쁜 형태의 클러스터를 식별하기 위해 국소 클러스터링 평가 측도를 도입하여 병합 또는 분할의 가능성을 고려한다.
• 각 반복에서 파artition의 전체 품질을 평가하기 위해 전역 클러스터링 평가 측도를 개발한다.
• 제안된 국소 및 전역 평가 점수에 의해 구동되는 병합 및 분할 연산을 설계한다.
• 평가 및 조정 과정을 반복적으로 통합하는 자동 클러스터링 알고리즘을 구축한다.
• 소속도 기반 유효성 검증과 같은 퍼지 클러스터링 원리를 사용하면서도, 이를 날것의 하드 클러스터 할당에 적용한다.
• 클러스터가 전역 파artition 품질 점수에 기여하는 바에 따라 수정되는 반복적 개선을 수행한다.

실험 결과

연구 질문

• RQ1 퍼지 클러스터링 유효성 검증 기법을 하드 클러스터링으로 효과적으로 매핑하여 파artition 품질을 향상시킬 수 있는가?
• RQ2 국소적 및 전역적 평가 측도는 하드 클러스터링에서 지능적인 병합 및 분할를 지도하는 데 어떤 역할을 하는가?
• RQ3 퍼지 유도 평가 지표를 사용하여 자동 하드 클러스터링 알고리즘을 설계할 수 있는가?
• RQ4 제안된 매핑 프로세스는 기존 표준 방법 대비 하드 클러스터링의 강건성과 정확도를 어떻게 향상시키는가?
• RQ5 퍼지 유도 지표에 따라 지도된 반복적 병합 및 분할가 클러스터링 수렴성과 안정성에 어떤 영향을 미치는가?

주요 결과

• 제안된 퍼지-하드 매핑 프레임워크는 퍼지 클러스터링에서 유효성 검증 메커니즘을 성공적으로 하드 클러스터링으로 이전시켜 파artition 품질을 향상시켰다.
• 국소 평가 측도는 비최적의 클러스터를 효과적으로 식별하여 클러스터링 구조를 향상시키기 위한 타겟팅된 병합 또는 분할를 가능하게 하였다.
• 전역 평가 측도는 반복 간 파artition 품질 평가를 위한 신뢰할 수 있는 지표를 제공하여 수렴 모니터링을 지원하였다.
• 퍼지 유도 지표에 기반한 병합 및 분할 프로세스의 통합은 더 안정적이고 정확한 클러스터 파artition를 이끌었다.
• 이러한 구성 요소를 통합한 자동 클러스터링 알고리즘은 전통적인 하드 클러스터링 접근법 대비 향상된 성능을 보였다.
• 이 방법은 퍼지 소속도 표현을 요구하지 않으면서도, 유효성 검증 강건성 측면에서 퍼지 클러스터링과 비교할 만한 성능을 하드 클러스터링이 달성하도록 하였다.