Szare klastrowanie: klasyfikacja oparta na wybielaniu w warunkach niepewności
Szare klastrowanie to metoda klasyfikacji z teorii szarych systemów, która przypisuje obiekty do predefiniowanych szarych klas za pomocą funkcji wag wybielania. Rozwinięta w ramach teorii szarych systemów Deng Julonga i usystematyzowana przez Sifeng Liu, jest szczególnie odpowiednia w sytuacjach obejmujących małe próby, niekompletne informacje lub niepewne dane – warunki powszechne w ocenie inżynierskiej, monitoringu środowiska i ocenie społeczno-gospodarczej. Metoda kwantyfikuje, jak silnie każdy obiekt należy do każdej szarej klasy, i dokonuje precyzyjnego przypisania na podstawie maksymalnych współczynników klastrowania.
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
- Liu, S., & Lin, Y. (2010). Grey Systems: Theory and Applications. Springer. ISBN: 978-3-642-13937-6
Jak cytować tę stronę
ScholarGate. (2026, June 2). Grey Clustering (Grey Incidence / Whitenization). ScholarGate. https://scholargate.app/pl/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.
- Klastrowanie rozmyte C-średnich (FCM)Uczenie maszynowe↔ compare
- Model prognozowania szarego GM(1,1)Obliczenia miękkie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →