多元统计之模煳聚类分析.pptVIP

§4.3 模糊聚类法 4.3.1 模糊聚类的基本概念 1.特征函数 2.隶属函数与模糊集 3.模糊矩阵及其褶积 例: 4.模糊等价矩阵及其λ- 截矩阵 λ- 截矩阵 例 4.3.2 模糊聚类方法 2.变换为模糊矩阵 3.建立模糊等价矩阵 4.聚类 例4.3.1 例 (ⅰ) (ⅱ) (ⅲ) (ⅳ) (ⅴ) 在日常生活中有许多概念不是很严格的, 而是模糊的。例如“年老”就是一个模糊概念, 不大好用一个具体数字来划分年老的界限。又例如说一个人很“漂亮”, 这也是一个模糊概念, 不仅很难给出一个严格的数量界限, 而且看法也会因人而异。为了处理现实生活和科学研究中的这些模糊概念,就产生了模糊集理论(1965年由 L.A. Zadeh首先提出)。把模糊集理论应用于聚类分析, 就产生了模糊聚类法。本节介绍一种基本的模糊聚类法。 对于一个集合 , 空间中的任一元素 , 要么 , 要么 , 两者必居其一且仅居其一。这一特点可以用一个函数来表示 称为集合 的特征函数。 例如, 集合 为某地区在某年度完成国家利税的企业全体。这时, 对该地区任一企业 , 可以用特征函数描述它是否完成国家利税, 即 如需要进一步知道某企业完成国家利税的程度大小时, 仅用特征函数就不够了。模糊集理论把特征函数的概念推广到闭区间 , 即用 0 ～ 1 之间的一个数来度量这种程度的大小, 这个数称为隶属度。当用函数表示隶属度的变化规律时, 称为隶属函数,记为 。 即对于每一个元素 , 有 内的一个数 与之对应。即 若在 A 上定义了一个隶属函数, 则称 A 称为模糊集。 例如某企业完成国家利税的90%, 则可以说这个企业完成国家利税的隶属度是 0.9 。 当矩阵 的元素 取值满足 , 则称 为模糊矩阵。设 为两个模糊矩阵, , 其元素为 则称矩阵 C 为模糊矩阵 A 与 B 的褶积。记为 其中 显然, 两个模糊矩阵的褶积仍为模糊矩阵。 设 A 和 B 为两个模糊矩阵 则 的元素为 于是 设方阵 为一模糊矩阵, 若满足 则称 为模糊等价矩阵。 例如, 矩阵 为 由于 所以 是一个等价矩阵。 设 为一个模糊等价矩阵, 为一个给定的数。 令 则称矩阵 为 的 截矩阵。 例如 是一个模糊等价矩阵, 取 , 则 而取 , 则 与一般的聚类方法相似，模糊聚类法首先计算样品间的距离矩阵或变量间的相似矩阵, 然后对元素作变换, 使各元素在 内成为模糊矩阵,并进一步改造为模糊等价矩阵。最后,对不同的 , 可得相应的 -截矩阵, 从而得相应的分类。具体步骤如下： 1.计算样品间的距离矩阵 D 或变量间的相似系数矩阵R 。 而对于距离矩阵 , 则令 于是 对一切 即使 A 成为模糊矩阵。 把 ( 或 )中的元素作变换, 统一记为 。例如对相似系数矩阵 , 令 对模糊矩阵进行褶积运算： 使 。则 是一个模糊等价矩阵。为了减少计算, 褶积运算也可采用 使 , 那么 就是一个模糊等价矩阵。并记 把 按由大到小的顺序排列, 依次取 , 求 相应的 - 截矩阵。当元素为 1 时表示相应的两个样品(或变量)并为一类。 随着 的变小, 逐步进行并类。最后当 时, 把所有的样品(或变量)聚为一类。 5.按 值画出聚类的谱系图。 (续例4.2.3)在例4.2.3中, 已知5种股票(分别用1,2,3,4,5表示)的样本相关系数矩阵为 相关系数矩阵已是模糊矩阵, 从而只需对模糊矩阵进行褶积运算求模 糊等价矩阵。由于 由于 , 即 是模糊等价矩阵。其元素由大到小排列为 取 , 得 的 -截矩阵为 即5种股票各自成一类。 取 , 得 - 截矩阵为 于是在 水平上, 把 合并为一类, 即5种股票分为三类: