Pengelompokan Kelabu: Klasifikasi Berasaskan Pemutihan di Bawah Ketidakpastian
Pengelompokan Kelabu (Grey Clustering) ialah kaedah klasifikasi daripada teori sistem kelabu yang menetapkan objek kepada kelas kelabu yang telah ditetapkan menggunakan fungsi pemberat pemutihan. Dibangunkan dalam rangka kerja teori sistem kelabu Deng Julong dan disistematiskan oleh Sifeng Liu, ia amat sesuai untuk situasi yang melibatkan saiz sampel yang kecil, maklumat tidak lengkap, atau data tidak pasti—keadaan yang lazim dalam penilaian kejuruteraan, pemantauan alam sekitar, dan penilaian sosioekonomi. Kaedah ini mengukur sejauh mana setiap objek tergolong dalam setiap kelas kelabu dan membuat penetapan jelas berdasarkan pekali pengelompokan maksimum.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 2). Grey Clustering (Grey Incidence / Whitenization). ScholarGate. https://scholargate.app/ms/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.
- Pengelompokan Kabur C-Means (FCM)Pembelajaran Mesin↔ compare
- Model Ramalan Surut GM(1,1)Perkomputeran Lembut↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →