Klastrowanie rozmyte C-średnich (FCM)
Rozmyte C-średnich to algorytm miękkiego klastrowania, w którym każdy punkt danych należy do każdego klastra z przypisanym stopniem przynależności między 0 a 1, zamiast być przypisanym do dokładnie jednego klastra. Zapoczątkowany przez Josepha Dunna w 1973 roku i uogólniony przez Jamesa Bezdeka w 1981 roku, minimalizuje rozmyty ważony wariancję wewnątrzklastrową, co czyni go dobrze dopasowanym do danych, których grupy się nakładają lub nie mają ostrych granic.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/pl/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.
- Obliczenia ziarniste (granulacja informacji)Obliczenia miękkie↔ compare
- Klasteryzacja K-średnichUczenie maszynowe↔ compare
- Klastrowanie spektralneUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →