动态聚类分析报告.pptVIP

聚类分析介绍： 聚类的用途是很广泛的。在商业上，聚类可以帮助市场分析人员从消费者数据库中区分出不同的消费群体来，并且概括出每一类消费者的消费模式或者说习惯。 它作为数据挖掘中的一个模块，可以作为一个单独的工具以发现数据库中分布的一些深层的信息，并且概括出每一类的特点，或者把注意力放在某一个特定的类上以 作进一步的分析；并且，聚类分析也可以作为数据挖掘算法中其他分析算法的一个预处理步骤。聚类分析的算法可以分为划分法（Partitioning Methods）、层次法（Hierarchical Methods）、基于密度的方法（density-based methods）、基于网格的方法（grid-based methods）、基于模型的方法（Model-Based Methods）。 模糊聚类分析: 模糊聚类分析是考虑到事物的模糊属性而进行分类的一类数学方法，这里只介绍基于模糊等价关系的动态聚类分析法 动态聚类分析法介绍： 动态聚类分析：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类 中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直 到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。 相关概念介绍： 隶属函数(membership function)，用于表征模糊集合的数学工具。对于普通集合A，它可以理解为某个论域U上的一个子集。为了描述论域U中任一元素u是否属于集合A，通 常可以用0或1标志。用0表示u不属于A，而用1表示属于A ，从而得到了U上的一个二值函数χA（u），它表征了U的元素u对普通集合的从属关系，通常称为A的特征函数，为了描述元素u对U上的一个模糊集合的隶属 关系，由于这种关系的不分明性，它将用从区间[0，1］中所取的数值代替0，1这两值来描述，记为（u），数值（u）表示元素隶属于模糊集的程度，论域U 上的函数μ即为模糊集的隶属函数，而（u）即为u对的隶属度。 相关概念介绍： 模糊综合评判 　　 对一个事物的评价，常常要涉及多个因素或者多个指标。比如，要判定某项产品设计是否有价值，每个人都可从不同角度考虑：有人看是否易于投产，有人看是 否有市场潜力，有人看是否有技术创新，这时就要根据这多个因素对事物作综合评价。具体过程是：将评价目标看成是由多种因素组成的模糊集合（称为因素集 u），再设定这些因素所能选取的评审等级，组成评语的模糊集合（称为评判集v），分别求出各单一因素对各个评审等级的归属程度（称为模糊矩阵），然后根据 各个因素在评价目标中的权重分配，通过计算（称为模糊矩阵合成），求出评价的定量解值。上述过程即为模糊综合评判。 算法步骤： 模糊聚类分析: 模糊聚类分析是考虑到事物的模糊属性而进行分类的一类数学方法，这里只介绍基于模糊等价关系的动态聚类分析法，由于建立在论域U上的模糊等价关系Ｒ的每一个λλ截关系Ｒλ都是普通等价关系，因此都可以得到论域Ｕ上的一个分划，可以证明，，０＜１，由于Ｒ所分出的每一类一定是所分出的某一类的子类，因此，对于U上的模糊等价关系Ｒ，当λ由１减至０，根据可得论域Ｕ由细至粗的不同分类。 详细步骤： 第一步： 设拟分类对象的全体论域 对象 的 特性由ｍ个指标表示，记为 如果对 象ｕｉ与ｕｊ之间的相似程度记为＝ ，则称之为模糊 相似，系 数，由相似系数构建模糊相似方阵 　 一般要根据具体问题的性质和使用方便性来确定模糊相似系数，常用以下几种方法： 1、数量积： 2、夹角余弦： 3、相似系数： 4、最大最小值： 5、绝对值指数： 6、欧氏距离：选常数ｃ使全部 7、海明距离：选常数ｃ使全部 第二步： 由模糊相似方阵 构建模糊等价矩阵，根据 公式，有当Ｕ有限时，模糊相似矩阵Ｒ的传递闭包 必是模糊等价矩阵 ，因此，可用 所谓的平分法求：计算 ，直至， 则 = 第三步： 根据问题的背景和信息，选取恰当 的进行截取 ，由 可得所需的分类，如果 从1到0取一系列值 ，算一系列 ，可得到一