Fuzzy C-Means Clustering (FCM)
Fuzzy C-Means je algoritmus mäkkého zhlukovania, pri ktorom každý dátový bod patrí do každého zhluku s odstupňovanou príslušnosťou medzi 0 a 1, namiesto priradenia do presne jedného zhluku. Algoritmus, ktorý v roku 1973 zaviedol Joseph Dunn a v roku 1981 zovšeobecnil James Bezdek, minimalizuje fuzzy-váženú varianciu v rámci zhluku, vďaka čomu je vhodný pre dáta, ktorých skupiny sa prekrývajú alebo nemajú ostré hranice.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/sk/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.
- Granulované výpočty (informácie v granuloch)Soft computing↔ compare
- K-Means ClusteringStrojové učenie↔ compare
- Spektrálne zhlukovanieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →