Glosario IA
El diccionario completo de la Inteligencia Artificial
Coeficiente de pertenencia
Valor numérico entre 0 y 1 que indica el grado de pertenencia de un punto de datos a un clúster específico en el clustering difuso.
Matriz de partición difusa
Estructura matricial que contiene los coeficientes de pertenencia de todos los puntos a todos los clústeres, con la restricción de que la suma por fila es igual a 1.
Función objetivo de FCM
Función matemática a minimizar que mide la suma ponderada de las distancias al cuadrado entre los puntos y los centroides, utilizada en el algoritmo Fuzzy C-means.
Parámetro de difuminación
Coeficiente m>1 que controla el grado de difuminación en el algoritmo FCM, donde m=1 da el clustering duro y m→∞ da la pertenencia uniforme.
Prototipos de clústeres
Centroides o puntos representativos de los clústeres en el clustering difuso, calculados como la media ponderada de los puntos por sus coeficientes de pertenencia.
Distancia difusa
Medida de disimilitud entre puntos y centroides en el espacio difuso, generalmente la distancia euclidiana ponderada por los coeficientes de pertenencia.
Coeficiente de partición
Índice de validez que mide la calidad del clustering difuso evaluando el grado de solapamiento entre los clústeres, variando entre 1/c y 1.
Entropía de partición
Medida de incertidumbre que cuantifica el grado de difuminación en la partición, calculada como la suma ponderada de los logaritmos de los coeficientes de pertenencia.
Validez de agrupamiento difuso
Conjunto de métricas que evalúan la calidad y coherencia de las particiones difusas, incluyendo el coeficiente de partición, el índice de Xie-Beni y el coeficiente de Dunn.
Algoritmo C-means posibilista
Variante del FCM que relaja la restricción de suma unitaria de los coeficientes de pertenencia, permitiendo una interpretación posibilista en lugar de probabilista.
Agrupamiento difuso posibilista
Enfoque híbrido que combina las ventajas del FCM y del PCM para gestionar eficazmente los puntos atípicos y los clústeres de densidades variables.
Núcleo difuso
Aplicación de métodos de núcleo al agrupamiento difuso, permitiendo la detección de estructuras no lineales en los datos mediante proyección en un espacio de dimensión superior.
Aprendizaje semi-supervisado difuso
Extensión del agrupamiento difuso que integra información de etiquetado parcial para guiar el proceso de segmentación, manteniendo la flexibilidad de la pertenencia múltiple.
Optimización por recocido simulado difuso
Técnica de optimización estocástica aplicada al agrupamiento difuso para evitar mínimos locales y mejorar la convergencia hacia una partición óptima.
Métricas de similitud difusas
Conjunto de medidas que cuantifican la similitud entre clústeres difusos o particiones, incluyendo el índice de Rand difuso y la medida de Jaccard difusa.
Reglas de parada difusas
Criterios de convergencia basados en la estabilidad de la matriz de partición o de la función objetivo, que determinan cuándo el algoritmo FCM debe dejar de iterar.
Hiperparámetros FCM
Parámetros de configuración del algoritmo Fuzzy C-means, incluyendo el número de clústeres c, el parámetro de difuminación m y el criterio de convergencia.