ScholarGate
Pembantu
Machine learningGrey systems

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Pengelompokan Kelabu: Klasifikasi Berasaskan Pemutihan di Bawah Ketidakpastian
Pengelompokan Kabur C-Me…Model Ramalan Surut GM(1…

Sumber

  1. 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.

Compare side by side
ScholarGateGrey Clustering (Grey Clustering (Grey Incidence / Whitenization)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/soft-computing/grey-clustering · Set data: https://doi.org/10.5281/zenodo.20539026