فازی میانگین مرکز (Fuzzy C-mean)

خوشه بندی یک تکنیک کشف دانش است که در آن داده ها به خوشه های خاص تخصیص داده می شوند هدف از خوشه بندی تخصیص داده ها به مجموعه ای از دسته هاست که در آن داده های هر دسته شباهت و نزدیکی بیشتری با سایر دسته ها دارند. روش های تحلیل خوشه ها به دو روش عمده سلسله مراتبی و روشهای تفکیکی به دو بخش خوشه بندی سخت و خوشه بندی فازی تقسیم می شوند.در خوشه بندی سخت هر داده به یک و فقط یک خوشه نسبت داده می شود، در حالیکه در خوشه بندی فازی،یک تفکیک فازی صورت می گیرد به این معنی که هر داده با یک درجه تعاق به هرخوشه متعلق است. در شرایط واقعی خوشه بندی فازی طبیعی تر از خوشه بندی سخت است،چون داده های موجود در مرز خوشه های مختلف مجبور به تعلق کامل به یکی از خوشه ها نیستند، و با درجه تعلقی بین 0و1 که نشان دهنده تعلق نسبی آنهاست تفکیک می شوند. الگوریتم خوشه بندی فازی C-means به طور گسترده در قطعه بندی تصاویر پزشکی و تصاویر تشدید مغناطیسی مغز و سینه (MRI ) کاربرد دارد.

یکی از مهمترین و پرکاربردترین الگوریتم های خوشه بندی الگوریتم فازی C-means می باشد. آقای benzdak و همکارانش

الگوریتم c-meanرا بهبود بخشیده و الگوریتم FCMرا ارائه کرده اند که در مسائل خوشه بندی گوناگونی به خوبی به کار

گرفته شده است .در نسخه فازی این الگوریتم نیز تعداد خوشه ها (c) از قبل مشخص شده است. الگوریتم استاندارد خوشه بندی

Fcm یک روش خوشه بندی تفکیکی است، که از معیار شباهت فاصله اقلیدسی (ED) برای اندازه گیری شباهت داده ها و خوشه

ها استفاده می کند.

فازی میانگین مرکز (Fuzzy C-mean)

مطالب مشابه :

خوشه بندی

فروش پروژه خوشه بندی FCM یا فازی Cmeans جهت قطعه بندی تصویر با نرم افزار MATLAB

فازی میانگین مرکز (Fuzzy C-mean)

روشی کارا برای خوشه‌بندی در شبکه‌های حسگر بی‌سیم

فروش پروژه خوشه بندی آفلاین فازی با سری زمانی مکی گلس با نرم افزار MATLAB

خوشه بندی یا کلاسترینگ چیست؟

مقاله ترجمه شده روشی کارا برای خوشه‌بندی در شبکه‌های حسگر بی‌سیم با استفاده از منطق فازی