模糊聚类分析1.pptVIP

第四讲 模糊聚类分析 一、模糊聚类分析 在生产斗争、科学实验及日常生活中，常要求把所接触、研究的对象(论域)，按它们的性质、用途等分成几类． 在数学研究中，把按一定要求和规律，对事物进行分类的方法叫聚类分析。． * 二、模糊聚类分析的步骤 应用模糊聚类分析对事物进行分类，一般按如下四个步骤进行． 1．选择统计指标 根据实际问题，选择那些具有明确的意义，有较强的分辨力和代表性的特征，作为分类争物的统计指标．统计指标选择如何对分类效果有直接的影响． 2．数据标准化(正规化) 把代表事物各特征的统计指标的数据进行处理，使之便于分析和比较．数据标准化可这样进行：令 其中x为原始数据； ? 为原始数据的标准差． 为原始数据的平均值， 3．标定 所谓标定，就是根据实际情况，按一个准则或其一种方法，给论域U中的元素两两之间都赋以区间[0,1]内的一个数，叫做相似系数。它的大小表征两个元素彼此接近或相似的程度。亦即U与U之间的关系矩阵。 标定方法有 (1)数量积法 标定方法有 (1)数量积法 设U={u1, u2, …, un }， ui ={xi1, xi2, …, xim } 则 (2)夹角余弦法 设U={u1, u2, …, un }， ui ={xi1, xi2, …, xim } 则 (3)相关系数法 设U={u1, u2, …, un }， ui ={xi1, xi2, …, xim } 则 (4)最大最小法 设U={u1, u2, …, un }， ui ={xi1, xi2, …, xim } 则 (5)算术平均最小法 设 U={u1, u2, …, un }， ui ={xi1, xi2, …, xim }，则 (6)几何平均最小法 设U={u1, u2, …, un }， ui ={xi1, xi2, …, xim }，则 (7)绝对指数法 设 U={u1, u2, …, un }， ui ={xi1, xi2, …, xim }， 则 (8)贴近度(或距离法)等标定方法 ② 依次取?的截矩阵R?。 4．聚类方法 ① 把关系矩阵 改造为模糊等价矩阵R。 ③R?——是普通的等价关系矩阵，据此对U分类。 ④得到不同水平?的U分类。 ⑤确定U的最佳分类和分类的阈值。 以环境分类为例，说明聚类分析方法。 设某城市五个区域，记为U={u1, u2, u3, u4, u5 } 以污染物在空气、水、土壤和植物中超限度评价每个区域的污染程度.对这五个区域情况如下。 1 5 4 2 u5 1 3 5 1 u4 3 2 5 5 u3 5 4 3 2 u2 2 3 5 5 u1 植物 土壤 水 空气 指标 区域 试把这五个区域进行分类。 第一步：先按绝对值减数法进行标定．取c＝0.1，则 得模糊矩阵为 具有自反、对称，故 是相似模糊矩阵。 第二步：取R的?的截关系。 即取定?的值? 0， R中的元素大于或等于? 0， 则取为1，否则为零。 当0.8?≤1时 得到U={u1, u2, u3, u4, u5 }的分类： {u1}， {u2}， {u3}， {u4}， {u5} 这种分类为最细的分类，在实际应用中没有意义。 根据R0.8?≤1， 当0.6?≤0.8时 根据R0.6?≤1，得到U={u1, u2, u3, u4, u5 }的分类： {u1，u3}， {u2}， {u4}， {u5} 当0.5?≤0.6时 根据R0.5?≤1，得到U={u1, u2, u3, u4, u5 }的分类： {u1，u3}， {u2}， {u4，u5} *