Fuzzy c-means (FCM) clustering is a

Fuzzy c-means (FCM) clustering is a soft clustering algorithm where each data point is allowed to belong to different clusters by certain degrees called membership grade. This is in contrast to a hard clustering method where each data point is associated with a single cluster and the data space is partitioned into specific cluster domains with sharp boundaries. In fuzzy clustering there is no sharp boundary between clusters. The FCM clustering algorithm assumes thatthe whole data population can be grouped into c number of fuzzy clusters where each cluster is specified by its center Ck (k = 1, 2,..., c) and association of the data points with them are specified by their membership grades Mki (i = 1, 2,..., N; k = 1, 2,..., c) where N denotes the number of data points (polymers in the present case) and c is the number of fuzzy clusters. This requires defining some numeric measure of association giving expression to the idea that within a cluster the associations are strong and between clusters the associations are weak. The FCM algorithm developed by Bezdek [113,114] seeks c cluster centers, (i) by defining membership grades to data points according to a nonlinear function of the distances of data points from the cluster centers, and (ii) by iterative minimization of an objective function defined
in terms of weighted distances of the data points from the cluster centers where the weighting is done according to membership grades. The problem is solved iteratively for finding cluster centers and membership grades in such a manner that the intercluster associations are minimized and the intra cluster associations are

ผลลัพธ์ (ไทย) 1:

เอิบหมายถึง c (FCM) คลัสเตอร์เป็นแบบนุ่มระบบคลัสเตอร์อัลกอริทึมที่แต่ละจุดข้อมูลได้รับอนุญาตให้เป็นสมาชิกของคลัสเตอร์ที่แตกต่างกัน โดยองศาบางเรียกว่าเกรดสมาชิก นี้เป็นตรงข้ามยากคลัสเตอร์วิธีที่แต่ละจุดข้อมูลถูกเชื่อมโยงกับคลัสเตอร์เดียว และกั้นพื้นที่ข้อมูลในโดเมนของคลัสเตอร์ที่ระบุขอบเขตที่คมชัด ในคลัสเตอร์เอิบ มีขอบไม่คมระหว่างคลัสเตอร์ อัลกอริทึมระบบคลัสเตอร์ FCM สมมติว่า ประชากรข้อมูลทั้งหมดสามารถจัดกลุ่มเป็นจำนวน c เอิบคลัสเตอร์ที่ระบุแต่ละคลัสเตอร์ โดยศูนย์กลาง Ck (k = 1, 2,..., c) และความสัมพันธ์ของข้อมูล จุดนั้นเป็นไปตามเกรดของพวกเขาสมาชิก Mki (ฉัน = 1, 2,..., N; k = 1, 2,..., c) ที่ N หมายถึงจำนวนจุดข้อมูล (โพลิเมอร์ในกรณีปัจจุบัน) และ c คือ จำนวนคลัสเตอร์เอิบ นี้ต้องกำหนดบางวัดเป็นตัวเลขของสมาคมให้นิพจน์ที่ความคิดที่อยู่ภายในคลัสเตอร์ที่เชื่อมโยงมีความแข็งแรง และระหว่างกลุ่ม สมาคมที่กำลังอ่อนแอ อัลกอริทึม FCM ที่พัฒนา โดย Bezdek [113,114] พบคลัสเตอร์ c ศูนย์, (i) โดยกำหนดเกรดสมาชิกจุดข้อมูลตามฟังก์ชันไม่เชิงเส้นของระยะทางของจุดข้อมูลจากศูนย์คลัสเตอร์ และ (ii) การลดซ้ำของฟังก์ชันวัตถุประสงค์กำหนดไว้ในระยะทางน้ำหนักของจุดข้อมูลจากคลัสเตอร์ศูนย์ที่ทำน้ำหนักตามเกรดสมาชิก การแก้ไขปัญหาได้อย่างซ้ำ ๆ ในการค้นหาศูนย์การคลัสเตอร์และเกรดสมาชิกในลักษณะดังกล่าวว่า สมาคม intercluster ถูกย่อให้เล็กสุด และมีการเชื่อมโยงคลัสเตอร์ intra

ผลลัพธ์ (ไทย) 2:

ฟัซซี่คหมายถึง (FCM) การจัดกลุ่มเป็นขั้นตอนวิธีการจัดกลุ่มอ่อนที่จุดข้อมูลแต่ละคนจะได้รับอนุญาตให้อยู่ในกลุ่มที่แตกต่างกันโดยองศาบางอย่างที่เรียกว่าคะแนนสมาชิก นี้เป็นในทางตรงกันข้ามกับวิธีการจัดกลุ่มยากที่แต่ละจุดข้อมูลที่เกี่ยวข้องกับกลุ่มเดียวและพื้นที่ที่ข้อมูลจะถูกแบ่งออกเป็นโดเมนของคลัสเตอร์ที่ระบุขอบเขตที่มีความคมชัด ในการจัดกลุ่มเลือนไม่มีขอบเขตที่คมชัดระหว่างกลุ่ม อัลกอริทึมการจัดกลุ่ม FCM ถือว่าประชากร thatthe ข้อมูลทั้งหมดสามารถแบ่งออกได้เป็นคของกลุ่มเลือนที่แต่ละกลุ่มจะถูกระบุโดยศูนย์ Ck (k = 1, 2, ... , C) และความสัมพันธ์ของจุดข้อมูลกับพวกเขาที่ระบุไว้ ตามเกรดสมาชิกของพวกเขา Mki (i = 1, 2, ... , N k = 1, 2, ... , ค) โดยที่ N คือจำนวนของจุดข้อมูล (โพลีเมอในกรณีปัจจุบัน) และ c คือจำนวน กลุ่มเลือน นี้ต้องมีการกำหนดมาตรการบางอย่างที่เป็นตัวเลขของสมาคมให้แสดงออกถึงความคิดที่ว่าภายในคลัสเตอร์ที่สมาคมมีความแข็งแรงและระหว่างกลุ่มสมาคมมีความอ่อนแอ อัลกอริทึม FCM พัฒนาโดย Bezdek [113114] พยายามคศูนย์คลัสเตอร์ (i) โดยการกำหนดเกรดเป็นสมาชิกไปยังจุดข้อมูลตามฟังก์ชั่นแบบไม่เชิงเส้นของระยะทางของจุดข้อมูลจากศูนย์คลัสเตอร์และ (ii) โดยการลดย้ำวัตถุประสงค์ ฟังก์ชั่นที่กำหนดไว้
ในแง่ของระยะทางถ่วงน้ำหนักของจุดข้อมูลจากศูนย์คลัสเตอร์ที่น้ำหนักจะทำตามเกรดเป็นสมาชิก ปัญหาจะแก้ไขซ้ำสำหรับการค้นหาศูนย์คลัสเตอร์และเกรดเป็นสมาชิกในลักษณะที่สมาคม intercluster จะลดลงและการเชื่อมโยงภายในคลัสเตอร์ที่มี

ผลลัพธ์ (ไทย) 3:

ฟัซซีซีมีน ( FCM ) การจัดกลุ่มจะนุ่ม การจัดกลุ่มขั้นตอนวิธีที่แต่ละจุดข้อมูลที่ได้รับอนุญาตให้อยู่ในกลุ่มที่แตกต่างกัน โดยบางองศา เรียกว่า ระดับสมาชิก นี้เป็นในทางตรงกันข้ามกับวิธีที่ยากสำหรับแต่ละจุดข้อมูลที่เกี่ยวข้องกับ กลุ่มเดียว และข้อมูลพื้นที่แบ่งเป็นโดเมนเฉพาะกลุ่มที่มีขอบเขตของชาร์ปในการจัดกลุ่มแบบฟัซซี่ที่ไม่มีคม เขตแดน ระหว่างกลุ่ม ที่สันนิษฐานว่าขั้นตอนวิธีการจัดกลุ่ม FCM ทั้งข้อมูลประชากรสามารถจัดกลุ่มเป็น C จำนวนฝอยกลุ่มซึ่งแต่ละกลุ่มถูกกำหนดโดยศูนย์ CK ( k = 1 , 2 , . . . , C ) และสมาคมของจุดข้อมูลกับพวกเขาที่ระบุไว้โดยผลการเรียนสมาชิก mki ( i = 1 , 2 , . . . , n ; K = 1 , 2 , . . .C ) ที่ N หมายถึงจำนวนของจุดข้อมูล ( โพลิเมอร์ในคดีปัจจุบัน ) และ C คือ หมายเลขของแบบกลุ่ม นี้ต้องกำหนดตัวเลขวัดบางสมาคมแสดงออกกับความคิดว่า ภายใน กลุ่ม สมาคม แข็งแรง และระหว่างกลุ่มสมาคมที่อ่อนแอ โดย FCM ขั้นตอนวิธีที่พัฒนาโดยเบสดิก [ 113114 ] และ C ศูนย์คลัสเตอร์( ผม ) โดยกำหนดจุดข้อมูลสมาชิกเกรดตามฟังก์ชันเชิงเส้นของระยะทางของจุดข้อมูลจากศูนย์กลุ่ม และ ( 2 ) โดยมีวัตถุประสงค์ของการกำหนดฟังก์ชัน
ในแง่ของน้ำหนักระยะทางของจุดข้อมูลจากศูนย์กลุ่มที่น้ำหนักกระทำตามระดับสมาชิกเป็นแก้ไขปัญหาซ้ำในกลุ่มสมาชิกศูนย์และเกรดในลักษณะที่ intercluster สมาคมน้อยที่สุดและภายในกลุ่มสมาคม