Clustering Fuzzy C-Means (FCM)
Fuzzy C-Means è un algoritmo di clustering soft in cui ogni punto dati appartiene a ogni cluster con un grado di appartenenza graduato tra 0 e 1, piuttosto che essere assegnato a un solo cluster. Originato da Joseph Dunn nel 1973 e generalizzato da James Bezdek nel 1981, minimizza una varianza intra-cluster pesata in modo fuzzy, rendendolo adatto a dati i cui gruppi si sovrappongono o non hanno confini netti.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/it/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)Soft computing↔ compare
- Clustering K-MeansApprendimento automatico↔ compare
- Spectral ClusteringApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →