Fuzzy C-Means-klustring (FCM)
Fuzzy C-Means är en mjuk klustringsalgoritm där varje datapunkt tillhör varje kluster med ett graderat medlemskap mellan 0 och 1, snarare än att tilldelas exakt ett kluster. Algoritmen, som ursprungligen utvecklades av Joseph Dunn 1973 och generaliserades av James Bezdek 1981, minimerar en fuzzy-viktad varians inom klustren, vilket gör den väl lämpad för data där grupper överlappar eller saknar skarpa gränser.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/sv/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.
- Granulär databehandling (informationsgranulering)Soft computing↔ compare
- K-Means-klustringMaskininlärning↔ compare
- SpektralklusteranalysMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →