硬聚类(hard clustering)是指把数据点划分到确切的某一聚类中,如K-均值聚类。而模糊聚类(Fuzzy clustering,亦称软聚类,Soft clustering)中,数据点则可能归属于不止一个聚类中。这些聚类与数据点通过一个成员水平(实际上类似于模糊集合中隶属度的概念)联系起来。成员水平显示了数据点与某一聚类之间的联系有多强。模糊聚类就是计算这些成员水平,按照成员水平来决定数据点属于哪一个或哪些聚类的过程。

模糊C-均值算法(FCM)是应用最为广泛的模糊聚类算法之一。详见模糊C-均值算法

与硬聚类的对比

编辑

非模糊聚类(硬聚类)会将数据分到不同类别中,即每个数据仅属于一个确定的类别。模糊聚类会将数据点分到多个可能的类别中。例如,一个苹果可以是红的绿的(硬聚类);一个苹果可以是红的绿的(模糊聚类)。这个苹果可能是某种程度的红同时另一种程度的绿。与苹果是绿的而非红的(green=1,red=0)相比,苹果可以既绿又红(green=0.5,red=0.5)。这些值被归一化到0-1之间,但它们并非概率,因此并不需要相加为1。