Regroupement flou par centroïdes (Fuzzy C-Means, FCM)
Le regroupement flou par centroïdes (Fuzzy C-Means, FCM) est un algorithme de regroupement souple (soft clustering) dans lequel chaque point de données appartient à chaque groupe avec un degré d'appartenance gradué entre 0 et 1, plutôt que d'être assigné à un seul groupe. Initié par Joseph Dunn en 1973 et généralisé par James Bezdek en 1981, il minimise une variance intra-groupe pondérée de manière floue, ce qui le rend bien adapté aux données dont les groupes se chevauchent ou n'ont pas de frontières nettes.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/fr/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.
- Informatique granulaire (Granulation de l'information)Soft computing↔ compare
- Regroupement par K-moyennesApprentissage automatique↔ compare
- Spectral ClusteringApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →