خوشهبندی فازی C-Means (FCM)
خوشهبندی فازی C-Means یک الگوریتم خوشهبندی نرم است که در آن هر نقطه داده با درجه عضویتی بین ۰ و ۱ به هر خوشه تعلق دارد، به جای اینکه دقیقاً به یک خوشه اختصاص یابد. این الگوریتم که توسط جوزف دان در سال ۱۹۷۳ ابداع و توسط جیمز بزدیگ در سال ۱۹۸۱ تعمیم داده شد، واریانس درونخوشهای وزندار فازی را کمینه میکند و آن را برای دادههایی که گروههایشان همپوشانی دارند یا مرزهای مشخصی ندارند، مناسب میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/fa/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.
- محاسبات دانهای (دانهبندی اطلاعات)محاسبات نرم↔ compare
- خوشهبندی K-Meansیادگیری ماشین↔ compare
- خوشهبندی طیفی (Spectral Clustering)یادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →