Fuzzy C-Means Clustering (FCM)
Fuzzy C-Means je algoritam mekog klasteriranja u kojem svaka podatkovna točka pripada svakom klasteru s određenim stupnjem pripadnosti između 0 i 1, umjesto da bude dodijeljena samo jednom klasteru. Nastao je 1973. godine od strane Josepha Dunna, a generalizirao ga je James Bezdek 1981. godine, minimizirajući varijancu unutar klastera ponderiranu stupnjem pripadnosti, što ga čini prikladnim za podatke čije su grupe preklapajuće ili nemaju oštre granice.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/hr/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.
- Granularno računarstvo (granulacija informacija)Meko računarstvo↔ compare
- K-Means klasteriranjeStrojno učenje↔ compare
- Spektralno grupiranjeStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →