Klasterisasi Abu-abu: Klasifikasi Berbasis Pemutihan dalam Ketidakpastian
Klasterisasi Abu-abu adalah metode klasifikasi dari teori sistem abu-abu yang menempatkan objek ke dalam kelas-kelas abu-abu yang telah ditentukan sebelumnya menggunakan fungsi bobot pemutihan. Dikembangkan dalam kerangka teori sistem abu-abu Deng Julong dan disistematisasi oleh Sifeng Liu, metode ini sangat cocok untuk situasi yang melibatkan ukuran sampel kecil, informasi tidak lengkap, atau data yang tidak pasti—kondisi yang umum dalam penilaian teknik, pemantauan lingkungan, dan evaluasi sosial ekonomi. Metode ini mengukur seberapa kuat setiap objek termasuk dalam setiap kelas abu-abu dan membuat penugasan yang tegas berdasarkan koefisien klasterisasi maksimum.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Liu, S., & Lin, Y. (2010). Grey Systems: Theory and Applications. Springer. ISBN: 978-3-642-13937-6
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Grey Clustering (Grey Incidence / Whitenization). ScholarGate. https://scholargate.app/id/soft-computing/grey-clustering
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.
- Clustering C-Means Kabur (FCM)Pembelajaran Mesin↔ compare
- Model Peramalan Abu-abu GM(1,1)Komputasi Lunak↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →