A Fuzzy C-Means klaszterező algoritmus (FCM)
A Fuzzy C-Means egy lágy klaszterezési eljárás, amelyben minden adatpont minden klaszterhez 0 és 1 közötti fokozatos tagsággal tartozik, ahelyett, hogy pontosan egy klaszterhez rendelődne. Joseph Dunn által 1973-ban bevezetett és James Bezdek által 1981-ben általánosított algoritmus minimalizálja a klaszteren belüli, lágyan súlyozott varianciát, így jól alkalmazható olyan adatokra, amelyek csoportjai átfedik egymást, vagy nincsenek éles határaik.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/hu/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.
- Granuláris számítás (Információ granuláció)Lágy számítási módszerek↔ compare
- K-Means klaszterezésGépi tanulás↔ compare
- Spektrális klaszterezésGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →