Regardless this ancient roots, in t

Regardless this ancient roots, in the last decades overlapping clustering has not attracted as much attention as nonoverlapping clustering. One close sibling is fuzzy clustering [22], where each data point has a membership value in all the clusters. In this context cluster membership is “soft”, as apposed to our paper that we are interested in “hard” cluster assignments. Obviously a hard (and overlapping) cluster assignment can be obtained by thresholding membership values. The prototypical fuzzy-clustering method is fuzzy c-means, which is essentially a soft version of k-means.

ผลลัพธ์ (ไทย) 1:

ไม่โบราณนี้ราก ในทศวรรษ clustering ซ้อนทับได้ดึงดูดความสนใจมากเป็นคลัสเตอร์ขนาน พี่น้องใกล้ชิดหนึ่งคือเลือน clustering [22], ซึ่งแต่ละจุดข้อมูลมีค่าสมาชิกในคลัสเตอร์ทั้งหมด ในคลัสเตอร์นี้บริบท สมาชิกเป็นนุ่มนวล" apposed กระดาษของเราว่า เราสนใจกำหนดยาก" คลัสเตอร์ เห็นได้ชัดว่าการกำหนดยาก (และทับซ้อนกัน) คลัสเตอร์สามารถได้รับ โดยค่าสมาชิก thresholding วิธีการเลือน clustering สาขาเป็นเลือน c-หมายถึง ซึ่งเป็นเวอร์ชั่นถึงนุ่มเป็นหลัก

ผลลัพธ์ (ไทย) 2:

โดยไม่คำนึงถึงรากโบราณนี้ในทศวรรษที่ผ่านมาที่ทับซ้อนกันเป็นกลุ่มก้อนยังไม่ได้ดึงดูดความสนใจมากที่สุดเท่าที่จัดกลุ่ม nonoverlapping หนึ่งพี่น้องใกล้เลือนการจัดกลุ่ม [22] ซึ่งแต่ละจุดข้อมูลมีค่าสมาชิกในกลุ่มทั้งหมด ในบริบทนี้สมาชิกคลัสเตอร์คือ "อ่อน" apposed เป็นกระดาษของเราที่เรามีความสนใจใน "ยาก" ที่ได้รับมอบหมายคลัสเตอร์ เห็นได้ชัดว่าฮาร์ด (และที่ทับซ้อนกัน) ที่ได้รับมอบหมายคลัสเตอร์สามารถรับได้โดยกำหนดเกณฑ์ขั้นต่ำค่าสมาชิก วิธีการเลือนการจัดกลุ่มแม่บทเลือน C-วิธีการซึ่งเป็นหลักรุ่นอ่อนของ K-วิธี

ผลลัพธ์ (ไทย) 3:

ไม่นี้โบราณ ราก ในช่วงทศวรรษที่ทับซ้อนกันในการจัดกลุ่มได้ดึงดูดความสนใจมากเป็น nonoverlapping การจัดกลุ่ม . หนึ่งคือ Fuzzy การจัดกลุ่มใกล้ชิดพี่น้อง [ 22 ] ที่จุดข้อมูลแต่ละค่ามีสมาชิกในกลุ่มทั้งหมด ในบริบทของกลุ่มสมาชิก " อ่อน " เป็นอีกทีกระดาษของเราที่เราสนใจ " งานกลุ่มนะ " เห็นได้ชัดยาก ( และทับซ้อนกัน ) งานกลุ่มได้ โดยการปรับค่าสมาชิก โดยการจัดกลุ่มแบบฟัซซี่โดยวิธีฟัซซีซีมีนซึ่งเป็นหลักรุ่นนุ่มของ k-means .