Аdaptive fuzzy clustering based on manhattan metrics in medical and biological applications

Abstract

Розглянуто алгоритм нечіткої кластеризації даних за наявності аномальних спостережень. Запропонований рекурсивний алгоритм нечіткої кластеризації даних ґрунтується на використанні манхеттенської метрики, що забезпечує високу швидкість обробки інформації та просту обчислювальну реалізацію. Результат апробації на даних медико-біологічних досліджень підтверджує ефективність запропонованого підходу. The problem of fuzzy clustering on the basis of the probabilistic fuzzy approach under the presence of outliers in data is considered. Recursive fuzzy clustering algorithm is proposed, which optimizes the objective function based on Manhattan metrics provides high speed of information processing and simple computational realization. The results of real data clustering confirm the effectiveness of proposed approach in medical data mining tasks.