Grey Clustering: Classificatie op basis van 'whitenization' onder onzekerheid
Grey Clustering is een classificatiemethode uit de grijze systeemtheorie die objecten toewijst aan vooraf gedefinieerde grijze klassen met behulp van 'whitenization'-wegingsfuncties. Ontwikkeld binnen het raamwerk van Deng Julongs grijze systeemtheorie en gesystematiseerd door Sifeng Liu, is het bijzonder geschikt voor situaties met kleine steekproeven, onvolledige informatie of onzekere gegevens – omstandigheden die vaak voorkomen bij technische beoordelingen, milieumonitoring en sociaaleconomische evaluatie. De methode kwantificeert hoe sterk elk object tot elke grijze klasse behoort en maakt een scherpe toewijzing op basis van maximale clusteringcoëfficiënten.
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
- Liu, S., & Lin, Y. (2010). Grey Systems: Theory and Applications. Springer. ISBN: 978-3-642-13937-6
Deze pagina citeren
ScholarGate. (2026, June 2). Grey Clustering (Grey Incidence / Whitenization). ScholarGate. https://scholargate.app/nl/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.
- Fuzzy C-Means Clustering (FCM)Machine learning↔ compare
- GM(1,1) Grijze VoorspellingsmodelSoft computing↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →