Agrupamento Fuzzy C-Means (FCM)
Fuzzy C-Means é um algoritmo de agrupamento suave (soft clustering) no qual cada ponto de dados pertence a cada cluster com uma pertinência graduada entre 0 e 1, em vez de ser atribuído a exatamente um cluster. Originado por Joseph Dunn em 1973 e generalizado por James Bezdek em 1981, ele minimiza uma variância intra-cluster ponderada difusa, tornando-o bem adequado para dados cujos grupos se sobrepõem ou não possuem limites nítidos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/pt/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.
- Computação Granular (Granulação de Informação)Soft computing↔ compare
- Agrupamento K-MeansAprendizado de máquina↔ compare
- Agrupamento EspectralAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →