模糊聚类分析..docxVIP

目录1引言:22 理论准备：22.1 模糊集合理论22.2模糊C均值聚类(FCM)32.3 加权模糊C均值聚类(WFCM)33 聚类分析实例43.1数据准备43.1.1数据表示43.1.2数据预处理43.1.3 确定聚类个数53.2 借助clementine软件进行K-means聚类63.2.1 样本在各类中集中程度73.2.2 原始数据的分类结果73.2.3结果分析83.3模糊C均值聚类83.3.1 数据集的模糊C划分83.3.2 模糊C均值聚类的目标函数求解方法93.3.3 MATLAB软件辅助求解参数设置93.3.4符号表示103.3.5代码实现过程103.3.6 FCM聚类分析103．4 WFCM算法133.4.1 WFCM聚类结果展示133.4.2样本归类143.4.3归类代码实现154．结论165 参考文献176 附录17模糊聚类与非模糊聚类比较分析摘要：聚类分析是根据样本间的相似度实现对样本的划分，属于无监督分类。传统的聚类分析是研究“非此即彼”的分类问题，分类结果样本属于哪一类很明确，而很多实际的分类问题常伴有模糊性，即它不仅仅是属于一个特定的类，而是“既此又彼”。因此为了探究模糊聚类与非模糊聚类之间聚类结果的差别，本文首先采用系统聚类方法对上市公司132支股票数据进行聚类，确定比较合理的聚类数目为11类，然后分别采用K-means聚类与模糊聚类方法对股票数据进行聚