Συστάδες Συναρτησιακής Συμπύκνωσης (Fuzzy C-Means Clustering - FCM)
Το Fuzzy C-Means (FCM) είναι ένας αλγόριθμος μαλακής συσταδοποίησης (soft clustering) στον οποίο κάθε σημείο δεδομένων ανήκει σε κάθε συστάδα με μια διαβαθμισμένη ιδιότητα μέλους (graded membership) μεταξύ 0 και 1, αντί να ανατίθεται σε μία μόνο συστάδα. Προερχόμενο από τον Joseph Dunn το 1973 και γενικευμένο από τον James Bezdek το 1981, ελαχιστοποιεί μια ασαφή σταθμισμένη διακύμανση εντός συστάδας (fuzzy-weighted within-cluster variance), καθιστώντας το κατάλληλο για δεδομένα των οποίων οι ομάδες επικαλύπτονται ή δεν έχουν σαφή όρια.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Dunn, J. C. (1973). A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters. Journal of Cybernetics, 3(3), 32–57. DOI: 10.1080/01969727308546046 ↗
- Bezdek, J. C. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Press. ISBN: 978-0-306-40671-3
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/el/machine-learning/fuzzy-c-means
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Υπολογιστική Κοκκοποίησης (Πληροφοριακή Κοκκοποίηση)Ήπια Υπολογιστική↔ compare
- Συσταδοποίηση K-MeansΜηχανική Μάθηση↔ compare
- Φασματική ΟμαδοποίησηΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →