模糊数学与第三讲2010.3.23 .pptVIP

第 3 章模糊聚类分析 §2.1 模糊矩阵 模糊矩阵的并、交、余运算性质 模糊矩阵的合成运算与模糊方阵的幂 合成(° )运算的性质： 模糊矩阵的转置 模糊矩阵的? - 截矩阵 §2.2 模糊关系 模糊关系的运算 模糊关系的矩阵表示 模糊关系的合成 模糊关系合成运算的性质 设 为U到U的模糊关系，对 及 ，有： 则称 为模糊传递关系。 §2.3 模糊等价矩阵 模糊等价矩阵的基本定理 模糊相似关系 模糊相似矩阵的性质 §2.4 模糊聚类分析 平移 ? 标准差变换 模糊相似矩阵建立方法 相似系数法 ----相关系数法 距离法 Boole矩阵法： 最佳分类的确定 模糊C均值聚类 给定数据集：X=（x1，x2，….，xn），其中每个样本包含s个属性。模糊聚类就是将X划分为c个类（2≤c≤n），V=（v1,v2,….,vn）是c个聚类中心。在模糊划分中，每个样本不能严格地划分为某一类，而是以一定的隶属度属于某一类。其划分准则如下： 模糊C均值聚类步骤 （1）选择合适的聚类中心数c和m值。并确定初始隶属度矩阵。 （2）计算聚类中心V： （3）修正隶属度矩阵： （4）对给定的 若 ，则算法终止，否则 ，转向步骤（2）。 模糊C均值聚类MATLAB实现 [center,U,obj_fcn]=fcm(date,cluster_n) 参数解释： center 最终聚类中心矩阵，每行为一个聚类中心的坐标值。 U 最终的模糊分区矩阵 obj_fcn 在迭代过程中的目标函数值 Date 要聚类的数据集合，每行为一个样本 cluster_n 聚类数，要求 1。 模糊聚类在学生综合素质评价中的应用 长江水质的模糊综合评价和模糊聚类分析研究 分类图 例：某三个家庭，共有人口16名，各家庭成员之间有（血缘）关系。16个人各有自己的照片，且混在一起。现在要求一个不认识这三个家庭成员的人根据上述像片确定这些成员之间的相似程度。 用 对该模糊等价关系进行分割 因此可识别出4个性质不同的类型： {1,6,8,13,16}, {2,5,7,11,14}, {3}, {4,9,10,12,15} 例：有5个地区受到近期一次地震而造成损害 利用余弦幅度法，得到如下关系： 经两次复合得到等价关系 在模糊聚类分析中，对于各个不同的?∈[0,1]，可得到不同的分类，从而形成一种动态聚类图，这对全面了解样本分类情况是比较形象和直观的. 但在许多实际问题中，需要给出样本的一个具体分类，这就提出了如何确定最佳分类的问题. 设X = (xij)n×m为n个元素m个指标的原始数据矩阵. 为总体样本的中心向量. 对应于? 值的分类数为r，第 j 类的样本数为nj，第 j 类的样本标记为 第 j 类样本的中心向量为 作F- 统计量： 如果满足不等式F＞F? ( r -1, n -r )的F值不止一个，则可根据实际情况选择一个满意的分类，或者进一步考查差 ( F - F? )/F? 的大小，从较大者中找一个满意的F值即可. 实际上，最佳分类的确定方法与聚类方法无关，但是选择较好的聚类方法，可以较快地找到比较满意的分类. 其中， 为第k个样本属于第i类的隶属度。 为样本k与第i个聚类中心的距离。 * * 定义1 设R = (rij)m×n，若0≤rij≤1，则称R为模糊矩阵. 当rij只取0或1时，称R为布尔(Boole)矩阵. 当模糊方阵R = (rij)n×n的对角线上的元素rii都为1时，称R为模糊自反矩阵. 定义2 设A=(aij)m×n,B=(bij)m×n都是模糊矩阵，相等：A = B ? aij = bij； 包含：A≤B ? aij≤bij； 并：A∪B = (aij∨bij)m×n； 交：A∩B = (aij∧bij)m×n； 余：Ac = (1- aij)m×n. 幂等律：A∪A = A，A∩A = A； 交换律：A∪B = B∪A，A∩B = B∩A； 结合律：(A∪B)∪C = A∪(B∪C), (A∩B)∩C