模糊聚类分析方法及其应用.pdfVIP

模糊聚类分析方法及其应用 ·599· 模糊聚类分析方法及其应用幸 王 帅1 惠兴杰2李晓奇3 10004 1东北大学理学院，数学系，辽宁沈阳l 2，3东北大学秦皇岛分校，信息与计算科学系，河北秦皇岛066004 摘要本文介绍了模糊聚类分析方法的基本原理，并且将模糊聚类分析的方法应用于教师 评价t作中，这种方法有效地降低了以往教师评价工作中的不确定因素，提高了教 师评价结果的合理性和真实性。最后利用模糊聚类分析法对教师进行评价，通过对 结果的验证和分析验证r这种方法的良好效果。 关键词模糊聚类分析；教师评价；评价方法。 对教师进行打分考核评价是学校教务年终韵一项重要工作。目前对于教师评价普遍 采用的方法是根据德、勤、绩、能等所占不同的百分比，最后得到一个人员的考核总分。 然后按照考核分数进行排序，根据排名评出优秀、良好、合格、基本合格和不合格。这 种方法在某种程度上说具有一定的合理性，但也存在着很多弊端。由于在教师评价中存 在许多的不确定因素和复杂的因果关系，因而采用聚类分析的方法对研究对象加以分类 就显得更客观合理。然而，通常所采用系统聚类方法难以准确度量样本间的相似程度并 且难以正确选取最优聚类的截取水平。这种聚类具有非此即彼的特性，样本只可能隶属 于所划定类别中的一类，这种分类类别界限清晰的特点并不适用于现实生活中样本的模 糊归属特性，即样本并不是一定隶属于某一类别，而是可能位于两类或者多个类别之间。 因此采用模糊聚类的方法对人员进行分类就显得更加客观合理。 1．模糊聚类算法 模糊聚类分析A=，算法从事先给出的C个划分出发，通过不断地反复修改样本的 类(1)别、聚类中心以及样本隶属于各类别的隶属度，来获得样本与聚类中心的加权距离 (加权系数为样本的隶属度函数的q次方)最小的最佳分类．设研究的样本集合 x∈Rq，x={墨，五，…，x。l。其中每个样本墨均有m个特征指标，即 要一个分类准则，定义目标函数为样本与聚类中心的加权距离，加权系数为样本的隶属 度函数的g次方。于是，模糊聚类问题可以描述为如下优化问题： ’王帅(1982一)，男，东北大学理学院数学系研究生；E-mail：yqbshm@163．eom． 惠兴杰(1963一)，男，东北大学秦皇岛分校，副教授，研究方向：应用概率论；E-mail：rsc@anail．neuq．edu．cn 李晓奇(1962一)，男，东北大学秦皂岛分校，教授，研究方向：模糊数学E-mail：lixia0194@sohu．eom 通信地址：东北大学秦皇岛分校信息与计算科学系，邮编：066004． ·600 数学、力学、物理学、高新技术研究进展——2008(12)卷 rainJ(U，矿)=∑∑旧q(叱2) k=li=1’ s—t∑Uik=l(k=l，2，…，玎)，o‰l (1) i=l 其中‰为样本隶属于第f类的隶属度，模糊划分矩阵u=[‰】…，V={巧，％，…，％) 为C个聚类中心集合：q∈Il，oo)为加权指数，当q=1时，模糊聚类就退化为硬f均 值聚类；通常q的最佳选择范围为【1．5，2．5】，一般q=2是比较理想的取值。丸表示样本 xr与第i类聚类中心之间的距离，定义为： 如=II以一例2彳=(瓦一K)1彳(也一K) 式中A为P×P的正定矩阵，当A=I时，即为欧氏距离。 样本以隶属于f类的程度，即隶属度U腩可在0到l之间取值，而不是像经典聚类算 法(如R型聚类法和Q型聚类法)中，样本x足隶属于类的隶属度只有两种取值：l或0， 即属于与不属于。这样，样本Xr不再明确地属于某一类，而是对于每一个类别都有一 个隶属度，隶属度的数值越大说明样本隶属于该类别的程度越大，反之说明样本隶属于 该类别的程度越小。模糊聚类的这种模糊划分描述了样本聚类过程中的模糊现象，从而