Fuzzy C-Means klastreerimine (FCM)
Fuzzy C-Means on pehme klastreerimisalgoritm, kus iga andmepunkt kuulub igasse klastrisse astmelise liikmelisusega vahemikus 0 kuni 1, selle asemel, et määrata see täpselt ühte klastrisse. Joseph Dunni poolt 1973. aastal algatatud ja James Bezdeki poolt 1981. aastal üldistatud algoritm minimeerib klastri sisese hajuvuse hägusalt kaalutud summat, muutes selle sobivaks andmetele, mille rühmad kattuvad või millel puuduvad teravad piirid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/et/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.
- Granulaarne arvutus (informatsiooni granulaarsus)Soft computing↔ compare
- K-Means klastreerimineMasinõpe↔ compare
- SpektraalklasterdamineMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →