The overlapping nature of clusters

The overlapping nature of clusters is better expressed in fuzzy clustering [11],[12] and [13]. The popular algorithms include fuzzy c-means (FCM) [14] and fuzzy c-shells algorithm (FCS) [15]. In this approach each element of a dataset belongs to all the clusters with a fuzzy membership grade. The fuzzy clustering can be converted to a crisp clustering (any element belongs to one cluster only) by assigning each element to the cluster with highest measure of membership value.

ผลลัพธ์ (ไทย) 1:

ลักษณะซ้อนทับกันของคลัสเตอร์จะดีกว่าแสดงเป็นเลือน clustering [11], [12] [13] และ อัลกอริทึมที่นิยมได้แก่เลือน c ถึง (FCM) [14] และอัลกอริทึมเลือน c-หอย (FCS) [15] ในแนวทางนี้ แต่ละองค์ประกอบของชุดข้อมูลเป็นคลัสเตอร์ทั้งหมดด้วยเกรดพร่าเลือนสมาชิก คลัสเตอร์เลือนสามารถแปลงเป็นคลัสเตอร์คม (องค์ประกอบใด ๆ ที่เป็นสมาชิกหนึ่งคลัสเตอร์เท่านั้น) โดยการกำหนดองค์ประกอบแต่ละคลัสเตอร์ด้วยค่าสมาชิกสูงสุดวัดได้

ผลลัพธ์ (ไทย) 2:

ธรรมชาติที่ทับซ้อนกันของกลุ่มมีการแสดงออกที่ดีกว่าในการจัดกลุ่มเลือน [11] [12] และ [13] ขั้นตอนวิธีการที่นิยม ได้แก่ เลือน C-หมายถึง (FCM) [14] และคลุมเครือ C-หอยอัลกอริทึม (FCS) [15] ในวิธีการนี​​้องค์ประกอบของชุดข้อมูลที่แต่ละกลุ่มเป็นทั้งหมดที่มีเกรดสมาชิกเลือน จัดกลุ่มเลือนสามารถแปลงไปสู่​​การจัดกลุ่มคมชัด (องค์ประกอบใด ๆ เป็นหนึ่งในคลัสเตอร์เท่านั้น) โดยการกำหนดองค์ประกอบแต่ละคลัสเตอร์ที่มีการวัดค่าสูงสุดของสมาชิก

ผลลัพธ์ (ไทย) 3:

ที่ทับซ้อนกัน ธรรมชาติของกลุ่มขึ้นแสดงในการจัดกลุ่มแบบฟัซซี่ [ 11 ] , [ 12 ] และ [ 13 ] อัลกอริทึมที่ได้รับความนิยมได้แก่ฟัซซีซีมีน ( FCM ) [ 14 ] และ c-shells อัลกอริทึมฟัซซี่ ( FCS ) [ 15 ] ในวิธีการนี้แต่ละองค์ประกอบของชุดข้อมูลเป็นของทุกกลุ่มกับระดับสมาชิกแบบฟัซซี่ ฟัซซี่ที่สามารถแปลงเป็นกรอบการจัดกลุ่มการจัดกลุ่ม ( องค์ประกอบใด ๆเป็นของกลุ่มหนึ่งเท่านั้น ) โดยให้แต่ละองค์ประกอบของกลุ่มกับวัดสูงสุดของค่าสมาชิก