Исключение аномальных объектов при решении задачи кластеризации данных

В статье предлагается один из способов исключения «кластерного шума» не на основе анализа энергетических характеристик наблюдений, а на основе анализа взаимного расположения наблюдений друг относительно друга (в выбранной метрике). Более того указывается на наличие аномальных наблюдений, относящихся к кластерному шуму и среди отсеянных по критерию «сигнал/шум» наблюдений, что может быть обусловлено не энергетикой анализируемых сигналов, а внутренними скрытыми характеристиками исследуемых объектов, влияющими на форму формируемых ими наблюдений. Указывается преимущество сформированного метода кластеризации, сочетающего в себе как кластерный так и дискриминантный анализ над существующими методами.