Glosario IA
El diccionario completo de la Inteligencia Artificial
Algoritmo FCM (Fuzzy C-Means)
Algoritmo de optimización iterativo que minimiza una función objetivo basada en las distancias ponderadas entre los puntos y los centros de los clústeres, utilizando un parámetro de borrosidad para controlar el nivel de ambigüedad de las particiones.
Prototipos de clúster
Centros representativos vj de cada clúster difuso, calculados como la media ponderada de los puntos según sus grados de pertenencia, sirviendo de referencia para la evaluación de las distancias.
Partición difusa óptima
Configuración de clústeres y grados de pertenencia que minimiza la función objetivo respetando las restricciones de pertenencia, representando la mejor estructura difusa de los datos.
Algoritmo de Gustafson-Kessel
Extensión del FCM que adapta la forma elíptica de los clústeres utilizando matrices de covarianza adaptativas para cada clúster, permitiendo detectar estructuras no esféricas.
Índice de Xie-Beni
Criterio de validación XB = (Σi Σj uij^m ||xi - vj||²) / (n * mini≠j ||vi - vj||²) que evalúa el compromiso entre la compacidad intra-clúster y la separación inter-clúster.
Clustering posibilístico
Variante del clustering difuso que relaja la restricción de suma unitaria de los grados de pertenencia, permitiendo una interpretación posibilística donde los grados representan la compatibilidad en lugar de probabilidades.
Silueta Difusa
Adaptación del índice de silueta al contexto difuso, integrando los grados de pertenencia para evaluar la cohesión y separación de los clústeres con una visión más matizada de las estructuras.
Algoritmo PCM (Possibilistic C-Means)
Método de clustering basado en la teoría de las posibilidades que elimina la restricción de normalización de los grados de pertenencia, particularmente robusto frente al ruido y los valores atípicos.
FCM ponderado por núcleos
Extensión del FCM que utiliza funciones de núcleo para transformar implícitamente los datos en un espacio de mayor dimensión, permitiendo detectar estructuras no lineales.
Convergencia de FCM
Propiedad que garantiza que el algoritmo FCM alcanza un mínimo local o un punto de silla de la función objetivo después de un número finito de iteraciones, bajo ciertas condiciones matemáticas.
Robustez en clustering difuso
Capacidad de los algoritmos de clustering difuso para resistir perturbaciones como valores atípicos o ruido, a menudo mejorada mediante enfoques posibilistas o distancias robustas.