代码模拟实现模糊聚类分析.doc

目 录 摘 要 I Abstract II 1 绪论 1 2 模糊聚类的理论基础 2 2.1 模糊聚类 2 2.2模糊矩阵与模糊关系 2 2.2.1模糊矩阵的运算 2 2.2.1模糊关系 3 2.3模糊相似矩阵与模糊等价矩阵 4 2.3.1截集与截矩阵 4 2.3.2模糊相似矩阵和模糊等价矩阵 4 2.4模糊聚类分析的一般步骤 5 2.5模糊相似矩阵转换模糊等价矩阵的几种方法 6 2.5.1传递闭包法 6 2.5.2直接聚类法 10 2.5.3最大树法 12 2.5.4编网法 13 3 计算机代码模拟实现模糊聚类分析 15 4 模糊聚类分析的特点 22 5 模糊聚类分析的难点以及一些新方法 23 5.1模糊聚类分析难点 23 5.2模糊聚类分析不足之处 23 5.3建立模糊相似矩阵的一些新方法 23 6结论 25 7致谢 26 参 考 文 献 27 1 绪论 模糊数学产生于本世纪60年代，它是用数学的方法来研究和处理一些客观存在的模糊性事物。所谓“模糊性”是指客观事物中的不分明性和不确定性，产生这种现象的根源在于客观事物的差异之间存在着中介过度[12]。例如：一个人是胖的还是瘦的，人们是很难判断的，究竟体重为多少视为胖，多少视为瘦呢？没有一个确切的标准，这是模糊性的，属于模糊一类问题，解决此类问题的模糊数学方法很多，聚类分析就是其中一种典型方法。 聚类分析是数理统计中的一种多元分析方法，它是用数学方法定量地确定样本的亲疏关系，从而客观地划分类型。事物之间的界限，有些是确切的有些是模糊的。人群中的面貌相像程度之间的界限是模糊的，天气阴、晴之间的界限也是模糊的。当聚类涉及事物之间的模糊界限时，需运用模糊聚类分析方法。模糊聚类分析有两种基本方法：系统聚类法和逐步聚类法系统聚类法是基于模糊等价关系的模糊聚类分析法。逐步聚类法是一种基于模糊划分的模糊聚类分析法它是预先确定好待分类的样本应分成几类，按最优化原则进行分类，经多次迭代直到分类比较合理为止 具体应用模糊聚类的方法分析问题时，我们会常常碰到不规则的数据，对这些不规则的数据，我们要进行标准化处理。所谓标准化处理，就是对这些不规则的数据作适当的变换，达到我们期望的数据并建立模糊矩阵。之后，依照传统聚类方法确定（表示与间的相似程度），建立模糊相似矩阵。最后，根据实际问题去选择模糊聚类的方法进行模糊聚类分析。 模糊聚类分析的研究从模糊数学诞生起之后就一刻没有停止，它随着世界的发展而发展，并且对世界起了推进的作用。例如，它广泛应用在气象预报，地质勘探，石油工程，计算机等领域，并且在农业，林业，医学，经济管理等学科也逐步应用。社会上的各类科技工作者、工程技术人员以及军事技术人员经常使用模糊聚类分析方法去解决实际当中的模糊问题，并取得了显著效果[6]。这些都足以证明模糊聚类分析的应用对世界的发展起了不可磨灭的作用，同时因为它的存在，为人类研究问题开辟了更广阔的空间。 2 模糊聚类的理论基础 2.1 模糊聚类 实际问题当中，我们常常需要将接触的对象按其性质或用途进行分类。例如，生物学中的生物分类，图像识别中对几何图形的分类，种子工程中对种子的分类等。所谓的聚类，就是按照一定的规则,根据事物某些相似属性,把它们合理划分到相似属性的集合内,得到确定事物分类的过程。我们通过聚类，就可以得到事物的分类，同一类中的事物之间具有很高的相似度。由于在分类过程中，往往伴随模糊性，所以应用模糊数学的方法来进行聚类分析就会符合客观实际。 模糊聚类分析是以相似性为基础,主要研究样本的分类问题。随着现代计算机技术的快速发展，模糊聚类分析越来越多地用于那些未知数据的分析。对于模糊聚类分析,我们要首先建立模糊相似矩阵，然后才能进行模糊聚类分析。而不同的模糊相似矩阵会产生不同的分类结果。传统聚类分析方法所用的相似程度统计量分为距离系数和相似系数两大类，它们都没有考虑样本各个指标之间的重要程度差异。应用距离系数作为统计量能够有效地比较出样本之间的值相似程度,但却不能准确地衡量样本之间的形相似程度；而应用相似系数却与之相反，虽能够有效地比较出样本之间的形相似程度,却不能准确地衡量样本之间的值相似程度[4]。 2.2模糊矩阵与模糊关系 对于任意的，都有，则称矩阵为模糊矩阵。例如：就是一个模糊矩阵 2.2.1模糊矩阵的运算 设，，则有： (1) (2) (3) (4) (5) (6)模糊矩阵的合成运算： 设，，则称模糊矩阵 为与合成，其中。 (7)设，则。 我们用一个具体例子来说明模糊矩阵的运算： 设，，计算，，，。 解： 2.2.1模糊关系 (1)从到的一个模糊关系是指存在映射，的隶属度为，函数值代表有序数对具有关系的程度。 (2)设为上的模糊关系，对任意数，则称为模糊关系的截矩阵。 (3)设为