Fuzzy C-Means Clustering (FCM)
Fuzzy C-Means เป็นอัลกอริทึมการจัดกลุ่มแบบนุ่ม (soft clustering) ซึ่งทุกจุดข้อมูลจะมีความเป็นสมาชิก (membership) ในแต่ละคลัสเตอร์อยู่ในช่วงระหว่าง 0 ถึง 1 แทนที่จะถูกกำหนดให้เป็นสมาชิกของคลัสเตอร์ใดคลัสเตอร์หนึ่งโดยเฉพาะ อัลกอริทึมนี้มีต้นกำเนิดจาก Joseph Dunn ในปี 1973 และได้รับการพัฒนาต่อโดย James Bezdek ในปี 1981 โดยมีเป้าหมายเพื่อลดความแปรปรวนภายในคลัสเตอร์ที่ถ่วงน้ำหนักแบบฟัซซี (fuzzy-weighted within-cluster variance) ทำให้เหมาะสมกับข้อมูลที่กลุ่มมีความทับซ้อนกันหรือไม่มีขอบเขตที่ชัดเจน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Fuzzy C-Means Clustering (FCM). ScholarGate. https://scholargate.app/th/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.
- การคำนวณแบบละเอียด (การสร้างอนุภาคข้อมูล)การคำนวณแบบอ่อน↔ compare
- การจัดกลุ่มแบบ K-Meansการเรียนรู้ของเครื่อง↔ compare
- Spectral Clusteringการเรียนรู้ของเครื่อง↔ compare