Sumennus C-keskiarvojen ryvästys (FCM)
Sumennus C-keskiarvojen ryvästys (Fuzzy C-Means, FCM) on pehmeä ryvästysalgoritmi, jossa jokainen datapiste kuuluu jokaiseen ryväkseen asteittaisella jäsenyydellä välillä 0 ja 1 sen sijaan, että se määritettäisiin täsmälleen yhteen ryväkseen. Joseph Dunnin vuonna 1973 kehittämä ja James Bezdekin vuonna 1981 yleistämä algoritmi minimoi sumennetulla painotetun ryväksen sisäisen varianssin, mikä tekee siitä sopivan datalle, jonka ryhmät ovat päällekkäisiä tai joilla ei ole selkeitä rajoja.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/fi/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.
- Granular Computing (Information Granulation)Pehmeä laskenta↔ compare
- K-Means-klusterointiKoneoppiminen↔ compare
- Spektrinen klusterointiKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →