Un artículo de investigación propone el Agrupamiento Difuso Disperso Generalizado (GSFC, por sus siglas en inglés), un marco diseñado para abordar dos limitaciones del agrupamiento difuso convencional: su tendencia a asignar cada punto de datos a todos los clústeres y su dependencia de conocer de antemano la cantidad de clústeres.
El método añade una penalización continua de dispersidad a la función objetivo del agrupamiento difuso. Según los investigadores, esto puede llevar los valores insignificantes de pertenencia exactamente a cero, lo que permite al algoritmo podar los clústeres redundantes. El GSFC comienza con más clústeres candidatos de los que se espera que contengan los datos y, luego, estima la cantidad de clústeres a medida que se eliminan los candidatos redundantes.
Para optimizar la función objetivo, el marco combina una búsqueda de bisección primal-dual con procedimientos analíticos que hacen cumplir el requisito de que los valores de pertenencia de cada punto sumen uno. También incluye un clúster virtual de ruido, cuyo propósito es absorber los valores atípicos y reducir su influencia en los representantes de los clústeres.
El artículo describe dos versiones del método: una para clústeres compactos y otra para estructuras alargadas. Esta última se aplica a la detección de segmentos de línea, donde los autores informan que las asignaciones dispersas ayudan a identificar segmentos que se intersectan. Sus evaluaciones abarcan datos sintéticos, pruebas geométricas con mucho ruido, el conjunto de datos de vino de UCI e imágenes hiperespectrales. Los autores informan que el GSFC tuvo un mejor desempeño que los métodos de referencia de agrupamiento difuso convencional y superó a las alternativas dispersas posibilísticas y probabilísticas en tareas de detección de líneas.
El trabajo se presenta en el artículo «Un marco generalizado de agrupamiento difuso disperso con capacidad de estimar automáticamente la cardinalidad de los clústeres», incluido en arXiv como 2611.00159v1.
Fuentes: arXiv cs.AI.