模糊数学——第12次硬划分和软划分.pptVIP

--数学建模基地系列课件-- * * 基于模糊相似关系的动态聚类 回顾内容 基本思想： 去掉模糊等价关系的计算 ① 建立模糊相似关系 ⅰ 建立原始数据矩阵?正规化 ② 利用?—截矩阵得到普通相似关系 ③ 利用不同的截矩阵得到不同的分类 ⅱ建立模糊相似关系 * * 具体方法： （3）最大树法 （2）编网法 主要例子： 照片问题 （1）直接法 * * 基本前提： 预先确定被分类的样本被分成了几类 主讲内容 7.5 基于模糊划分的聚类方法 * * 模糊聚类分析 1、硬划分 设样本集合 X =｛x1, x2, ?,xn｝ 每个样本的特征为 xi = {xi1, xi2, ?, xis} 设 得到一个分类矩阵 * * 分类矩阵满足如下性质： 是布尔矩阵，即uij = 0 or 1 每个样本只能属于其中的某一类，即 每一类至少含有一个样本，即 * * 注意：不同的分类矩阵对应不同的分类，全体分类矩阵 矩阵的集合称为划分空间。 思考1：软划分空间的个数，有限or无限？ 答案：有限 思考2：如何找出最优的分类？ * * 聚类中心： xi = {xi1, xi2, ?, xis} 设 得到聚类中心 Vj = {vj1, vj2, ?, vjs} 如何判断一个硬划分是最优？ * * 2、软（模糊）划分 注意：每一个分类都是模糊集 * * 软划分矩阵满足如下性质： 是模糊矩阵，即0 ? uij ? 1. 每个样本属于各类的隶属度之和为1，即 每一类模糊集不能为空集，即 * * 注意：不同的分类矩阵对应不用的分类，全体软划分称为 软划分空间。 思考：软划分空间的个数，有限or无限？ 答案：无限 * * 软划分矩阵： 聚类中心： 如何一个软划分最优？ * * 结论：当m 1,Vi ? xk时，可以算出近似最优软划分 计算近似最优软划分的步骤： Step1：给定一个初始软（硬）划分矩阵U0 Step2：根据U0，计算聚类中心Vi Step3：根据Vi，计算优化问题，得到一个新的软划分矩阵U Step4：判断 * * 为了最终得到最佳优化，得到软划分矩阵后，还应进行硬划分： （1）直接法； （2）二次分类法 前提：一定要明确分类的数目。 --数学建模基地系列课件--