Fuzzy C-Means-klynging (FCM)
Fuzzy C-Means er en myk klyngingsalgoritme der hvert datapunkt tilhører hver klynge med en gradert medlemskap mellom 0 og 1, i stedet for å bli tildelt nøyaktig én klynge. Opprinnelig utviklet av Joseph Dunn i 1973 og generalisert av James Bezdek i 1981, minimerer den en fuzzy-vekten innen-klynge-varians, noe som gjør den godt egnet for data der grupper overlapper eller mangler skarpe grenser.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/no/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.
- Granulær databehandling (Informasjonsgranulering)Soft computing↔ compare
- K-Means-klyngingMaskinlæring↔ compare
- Spektral klyngeanalyseMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →