模糊聚类分析的实现.doc

模糊聚类分析的实现（CuteFuzzy V0.5 Released） EmilMatthew(EmilMatthew@126.com) 摘要: 在本文中，介绍了基本的模糊聚类分析及模糊聚类图的绘制的算法及其程序。 关键词: 模糊聚类分析，聚类图 The implement of fuzzy cluster analysis(CuteFuzzy V0.5 Released) EmilMatthew(EmilMatthew@126.com) Abstract: In the paper , I realize the basis part of fuzzy cluster analysis and the drawing of clustering picture , which are introduced both in algorithms and the codes. Key Words: Fuzzy Cluster Analysis , Cluster Map 1前言: 1．1模糊数学简介： 模糊数学是伴随着上世纪五六十年代兴起的控制论、信息论、系统论（俗称“老三论”）而形成的一种分析统计数据以及给出决策的方法。模糊数学公认的创史人是Lotfi Zadeh教授。 他对该门学科的开山之作是： Zadeh, Lotfi A., "Fuzzy Sets ," Information and Control, Vol. 8 (1965), pp. 338-353.?????? (该文可以在下面这个网址下载/) 模糊数学对于现实的意义，直观的理解可以主要从以下两个方面进行： 控制：举个例子来说，比方说：一辆有模糊控制系统的火车，将能理解这样的命令------“比平常的速度加快一点”，这加快，便是一个模糊的概念，以往的控制系统，如果不给出加快多少或者是加快的呈度，是很难完成这样的任务的。 决策与分析：比方说，眼前有一堆学生的考试成绩资料，如果要做一次针对学生学习能力的分析（虽然未必全能从考试成绩反映出来），要求给出将学习成绩好，较好，一般，较差，很差的学生进行分类，即将各个学生划进相应的“群落”中，以便于教师更好的组织教学工作。这里，就可以用模糊聚类的方法来解决。 在学科分类上，与模糊数学较近的方法主要是软计算方面的一些方法，如人工神经网络、遗传算法、DNA计算等。它们在解决一些常用方法无法或难以解决的问题时，有相当不错的效果。 模糊数学主要可以解决的问题有：数据的分类，模式识别，模糊决策与控制等。再举一些例子来说明吧：如可以用C-MEAN法来对一幅图片进行分割，提取其中的有效信息（聚类分析）；再如，有世界各地的山区的土质的各方面的数据，需要分析哪些地区的土质情况较为接近（聚类分析）。 1．2聚类分析： 聚类分析的概念主要是来自多元统计分析，例如，考虑二维坐标系上有散落的许多点，这时，需要对散点进行合理的分类，就需要聚类方面的知识。 模糊聚类分析方法主要针对的是这样的问题：对于样本空间P中的元素含有多个属性，要求对其中的元素进行合理的分类。最终可以以聚类图的形式加以呈现，而聚类图可以以手式和自动生成两种方式进行，这里采用自动生成方式，亦是本文的程序实现过程中的一个关键环节。 2模糊聚类的步骤及其关键算法： 这里所实现的基本的模糊聚类的主要过程是一些成文的方法，在此简述如下： 对于待分类的一个样本集U={u1,u2,...,un},设其中的每个元素有m项指标，则可以用m维向量描述样本，即：ui={ui1,ui2,...,uim}(i=1,2,...,n)。则其相应的模糊聚类按下列步骤进行： 1） 标准化处理，将数据压缩至(0-1)区间上，这部分内容相对简单，介绍略。(参[1]) 2） 建立模糊关系： 这里比较重要的环节之一，首先是根据“距离”或其它进行比较的观点及方法建立模糊相似矩阵，主要的“距离”有： Hamming 距离: d(i,j)=sum(abs(x(i,k)-x(j,k))) | k from 1 to m (| k from 1 to m表示求和式中的系数k由1增至m，下同) Euclid 距离: d(i,j)=sum((x(i,k)-x(j,k))^2) | k from 1 to m 非距离方法中，最经典的就是一个夹角余弦法： 最终进行模糊聚类分析的是要求对一个模糊等价矩阵进行聚类分析，而由相似矩阵变换 到等价矩阵，由于相似矩阵已满足对称性及自反