Fuzzy C-Means Clustering (FCM)
Fuzzy C-Means is een soft clustering-algoritme waarbij elk datapunt met een gegradueerde lidmaatschap tussen 0 en 1 tot elke cluster behoort, in plaats van aan precies één cluster te worden toegewezen. Oorspronkelijk in 1973 bedacht door Joseph Dunn en in 1981 gegeneraliseerd door James Bezdek, minimaliseert het een fuzzy-gewogen variantie binnen clusters, waardoor het zeer geschikt is voor gegevens waarvan de groepen overlappen of geen scherpe grenzen hebben.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/nl/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.
- Granulair rekenen (Informatiegranulatie)Soft computing↔ compare
- K-Means ClusteringMachine learning↔ compare
- Spectrale ClusteringMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →