Fuzzy C-Mean

Algoritma Fuzzy C-Mean Klasterisasi (FCM) juga dikenal sebagai fuzzy ISODATA yakni algoritma yang mengelompokkan data dimana setiap titik data ma yang mengelompokkan data dimana setiap titik data dalam sebuah klaster ditentukan oleh derajat keanggotaannya. Bezdek mengusulkan algoritma ini tahun 1973 sebagai pengembangan awal dari hard cmean
(HCM). (Jang et al, 1997).

FCM membagi sebuah koleksi ke-n dari vektor xi, dimana i = 1,2,3,...,n ke dalam c grup fuzzy dan mencari pusat klaster pada masing-masing grup yakni fungsi biaya dari ukuran ketidakmiripan yang paling minimal.
Tidak berbeda jauh dengan Jang et al (1997) Cox (2005) mengatakan fuzzy c-mean memiliki dua proses yakni menghitung pusat klaster dan menandai poin untuk pusat klaster menggunakan sebuah bentuk jarak euclidean. Proses ini dilakukan berulang hingga pusat klaster stabil.
Perbedaan mendasar dari FCM dan HCM kata Jang et al (1997), FCM
adalah suatu teknik klasterisasi yang keberadaan setiap titik data dalam suatu
klaster ditentukan oleh derajat keanggotaan antara 0 hingga 1.

Untuk mengakomodasi fuzzy partisi jelas Jang et al (1997) dan Pedrycz (2005), keanggotaan matrik U harus memiliki nilai antara 0 dan 1. Untuk melakukan normalisasi penetapan hasil derajat keanggotaan dari set data menggunakan persamaan berikut :