模糊聚类分析实验报告.docVIP

专业：信息与计算科学 姓名： 学号： 实验一 模糊聚类分析 实验目的： 掌握数据文件的标准化，MATLAB进行模糊矩阵的有关运算 实验学时：4学时 实验内容： ⑴ 根据已知数据进行数据标准化. ⑵ 根据已知数据建立模糊相似矩阵，并求出其传递闭包矩阵. ⑶ (可选做)根据模糊等价矩阵绘制动态聚类图. ⑷ (可选做)根据原始数据或标准化后的数据和⑶的结果确定最佳分类. 实验日期：20017年12月02日 实验步骤： 1 问题描述： 设有8种产品，它们的指标如下： x1 = (37,38,12,16,13,12) x2 = (69,73,74,22,64,17) x3 = (73,86,49,27,68,39) x4 = (57,58,64,84,63,28) x5 = (38,56,65,85,62,27) x6 = (65,55,64,15,26,48) x7 = (65,56,15,42,65,35) x8 = (66,45,65,55,34,32) 建立相似矩阵，并用传递闭包法进行模糊聚类。 2 解决步骤： 2.1 建立原始数据矩阵 设论域为被分类对象，每个对象又有个指标表示其性状，， 由此可得原始数据矩阵。 于是，得到原始数据矩阵为 其中表示第个分类对象的第个指标的原始数据，其中m = 6，n = 8。 2.2 样本数据标准化 2.2.1 对上述矩阵进行如下变化，将数据压缩到[0,1]，使用方法为平移极差变换和最大值规格化方法。 （1）平移极差变换： ， 显然有，而且也消除了量纲的影响。 （2）最大值规格化： ， 2.2.2 使用Matlab实现代码： 2.2.3 样本数据标准化后结果如图所示： 图一 最大值规格化 图二 平移极差标准化 2.3 构造模糊相似矩阵 2.3.1 根据各分类对象的不同指标的标准化数据，计算分类对象间的相似程度rij，建立模糊相似矩阵R，该操作又称标定，计算标定的方法很多，这里使用最大最小法和算术平均最小法。 最大最小法： 算术平均最小法： 2.3.2 使用Matlab实现代码： 2.3.4 将最大规格化后的数据进行构造模糊相似矩阵如图所示： 图三 最大最小法构造模糊相似矩阵 图四 算术平均法造构造模糊相似矩阵 2.4 建立模糊等价矩阵 2.4.1 根据标定所得的矩阵，只是一个模糊相似矩阵，不一定具有传递性，为了进行分类，还需要将改造成等价矩阵。采用平方法计算传递闭包： 经过有限次运算后存在k使，于是，即为所求的模糊等价矩阵。 2.4.2 使用Matlab实现代码： 2.4.3 对最大最小法构造模糊的相似矩阵求传递闭包结果如图所示： 图五 最大最小法构造模糊相似矩阵的传递闭包 图六 算术平均法造构造模糊相似矩阵的传递闭包 2.5 聚类分析 2.5.1 得到模糊等价矩阵后，可在适当水平上截取，将模糊等价矩阵中大于值的数归为一类。 2.5.2 使用Matlab实现求截矩阵代码： 2.5.3 对最大最小法构造模糊相似矩阵的传递闭包求出截矩阵，然后进行聚类，聚类结果如下： （1）当时，这8种产品分为8类{x1}，{x2}，{x3}，{x4}，{x5}，{x6}，{x7}，{x8}。 图七 时的截矩阵 （2）当时，这8种产品分为7类{x1}，{x2}，{x3}，{x4, x5}，{x6}，{x7}，{x8}。 图八 时的截矩阵 （3）当时，这8种产品分为6类{x1}，{x2, x3}，{x4, x5}，{x6}，{x7}，{x8}。 图九 时的截矩阵 （4）当时，这8种产品分为5类{x1}，{x2, x3}，{x4, x5, x8}，{x6}，{x7}。 图十 时的截矩阵 （5）当时，这8种产品分为4类{x1}，{x2, x3}，{x4, x5, x6, x8}，{x7}。 图十一 时的截矩阵 （6）当时，这8种产品分为3类{x1}，{x2, x3, x7}，{x4, x5, x6, x8}。 图十二 时的截矩阵 （7）当时，这8种产品分为2类{x1}，{x2, x3, x7, x4, x5, x6, x8}。 图十三 时的截矩阵 （8）当时，这8种产品分为1类{x1, x2, x3, x7, x4, x5, x6, x8}。 图十四 时的截矩阵 2.5 动态聚类图 2.5.1根据所求得的传递闭包，再让由大变小，就可形成动态聚类图。 2.5.2 使用Matlab实现代码： 2.5.1 动态聚类图如图所示： 图十五 动态聚类图 实验心得： 通过这次实验，让我了解到模糊矩阵的一些基本知识，同时也让我了解到了模糊关系，然后也让我学会应用模糊聚类分析。同时也让我更加了解对Matlab的操作，特别是关于矩阵的操作命令。 附录： main.m x=[37 38 1