힌지 손실과 L1 노름의 혼합 거리를 활용한 강건한 퍼지 로컬 k-평면 클러스터링

요약

본 논문은 기존 K-평면 클러스터링(KPC) 모델이 L2 거리를 가정하여 이상치에 취약하다는 문제를 해결하기 위해 새로운 강건한 퍼지 로컬 k-평면 클러스터링(RFLkPC) 방법을 제안합니다. RFLkPC는 힌지 손실과 L1 노름의 혼합 거리를 결합하고, 각 평면 클러스터가 유한 영역에 제한된다고 가정하여 강건성을 높였습니다. 이 방법은 이상치 처리와 성능 면에서 기존 모델들보다 우수함을 실험적으로 입증했습니다.

핵심 포인트

• 기존 KPC/퍼지 KPC는 L2 거리를 사용해 이상치(outliers)에 매우 취약하다는 한계가 있다.
• 제안된 RFLkPC는 힌지 손실과 L1 노름의 혼합 거리를 사용하여 강건성을 확보했다.
• RFLkPC 모델은 각 평면 클러스터가 유한 영역에 제한된다고 가정하여 성능을 개선했다.
• 모델 및 최적화 알고리즘이 제시되었으며, 시뮬레이션 및 실제 데이터에서 그 효율성이 검증되었다.