灰色聚类评估答题.ppt

灰色聚类评估杨昆鹏2014.4.12;主要内容： 1.灰色关联聚类 2.灰色变权聚类 3.灰色定权聚类 ; 灰色聚类是根据灰色关联矩阵或灰数的白化权函数将一些观测指标或观测对象聚集成若干个可以定义类别的方法。按聚类对象划分，可以分为灰色关联聚类和灰色白化权函数聚类。;1 灰色关联聚类 设有 个观测对象，每个观测对象 个特征数据，得到序列如下 对所有的 计算出 与 的绝对关联度 得上三角矩阵;其中 定义5.1.1 上述矩阵A称为特征变量关联矩阵. 取定临界值 一般要求 当 时 则视 与 为同类特征. 定义5.1.2 特征变量在临界值 下的分类称为特征变量的 灰色 关联聚类. 可以根据实际问题的需要确定, 越接近于1,分类 越细; 越小,分类越粗糙. ;例5.1.1 评定某一职位的任职资格。评委们提出了15个指标:1申请书印象，2学术能力，3讨人喜欢，4自信程度，5精明，6诚实，7推销能力，8经验， 9积极性，10抱负，11外貌，12理解能力，13潜力，14交际能力，15适应能力。 大家认为某些指标可能是相关或混同的，希望通过对少数对象的观测结果，将上述指标适当归类，删去一些不必要的指标，简化考察标准。对上述指标采取打分的办法使之定量化，9名考察对象各个指标所得的分数如表5.1.1所示。;;;;;;5.2 灰色变权聚类 定义5.2.1 设有n个聚类对象,m个聚类指标,s个不同灰类,根据第i(i=1,…,n)个对象关于j(j=1,…,m)指标的样本值xij 将第i个对象归入第k(k=1,…,s)个灰类之中,称为灰色聚类. 定义5.2.2 将n个对象关于指标j的取值相应地分为s个灰类,我们称之为j指标子类.j指标k子类的白化权函数记为;;定义5.2.3 设j指标k子类的白化权函数 为如下图所示的典型白化权函,则称 , , , 为 的转折点,典型白化权函数记为 ;什么是白化权函数？;什么是白化权函数？;什么是白化权函数？;定义5.2.4:1、若白化权函数 无第一和第二个转折点 , ,则称 为下限测度白化权函数，记为 2、若白化权函数 的第二和第三个转折点重合，则称 为适中测度白化权函数， 记为 3、若 无第三和第四个转折点，则称 为上限测度白化权函数，记为 ;命题5.2.1 对于典型白化权函数，有 相应地，下限测度白化权函数为;适中测度白化权函数为 上限测度白化权函数为;定义5.2.5 :1、对于图1所示的j指标k子类白化权函数，令 ;2、对于图2所示的j指标k子类白化权函数，令 3、对于图5.2.1和图5.2.4所示的j指标k子类白化权函数，令 则称λjk为j指标k子类临界值。 定义5.2.6设λjk 为j指标k子类临界值，则称 为j指标关于k子类的权。;定义5.2.7 设xij 为对象i关于指标j的标本，fjk(·)为j指标k子类白化权函数，ηjk为j指标关于k子类的权，则称 为对象i属于k灰类的灰色变权聚类系数。;定义5.2.8 称 1、 为对象i属于k灰类的灰色变权聚类系数。 2、 为聚类系数矩阵。;定义 5.2.9 设 ，则称对象i属于灰类k* 灰色变权聚类适用于指标的意义、量纲皆相同的情形，当指标的意义、量纲不同，且指标的样本值在数量上悬殊较大时，不宜采用灰色变权聚类。 ;5.3 灰色定权聚类 当聚类指标的意义、量纲不同，且在数量上悬殊较大时，采用灰色变权聚类可能导致某些指标参与聚类的作用十分微弱。 解决上述问题有两条途径：1、采用初值化算子或均值化算子将指标样本值化为无量纲数据，然后进行聚类。这种方式不能反映不同指标在聚类过程中的差异性。2、对各聚类指标事先赋权,即定权聚类。;定义 5.3.1 设xij(i=1,…n;j=1…,m)为对象i关于指标j的样本值， 为j指标k子类白化权函数。若j指标关于k子类的权 与k无关，即对任意的 ，有ηjk1= ηjk2，记为ηj，并称