Нечеткая кластеризация C-средних (FCM)
Нечеткая кластеризация C-средних (Fuzzy C-Means, FCM) — это алгоритм нечеткой кластеризации, в котором каждая точка данных принадлежит каждому кластеру с некоторой степенью принадлежности от 0 до 1, а не присваивается ровно одному кластеру. Разработанный Джозефом Данном в 1973 году и обобщенный Джеймсом Бездеком в 1981 году, он минимизирует нечетко взвешенную дисперсию внутри кластера, что делает его хорошо подходящим для данных, группы которых перекрываются или не имеют четких границ.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/ru/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.
- Гранулярные вычисления (грануляция информации)Мягкие вычисления↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
- Спектральная кластеризацияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →