模糊数学及其应用4-6讲 1.pptVIP

No. A T C G 21 0.2743 0.3628 0.1947 0.1681 22 0.2885 0.2212 0.2404 0.2500 23 0.1765 0.1863 0.2549 0.3824 24 0.2087 0.4087 0.1913 0.1913 25 0.2476 0.2190 0.2286 0.3048 26 0.2193 0.3860 0.2105 0.1842 27 0.2308 0.2308 0.2019 0.3365 28 0.2564 0.4444 0.1453 0.1538 29 0.1485 0.1881 0.2178 0.4455 30 0.2897 0.2523 0.2430 0.2150 No. A T C G 31 0.2411 0.3571 0.1786 0.2232 32 0.1743 0.3303 0.2294 0.2661 33 0.2703 0.3333 0.1892 0.2072 34 0.2353 0.1667 0.2353 0.3627 35 0.2427 0.2039 0.2136 0.3398 36 0.2286 0.2095 0.3084 0.2571 37 0.2136 0.2039 0.2524 0.3301 38 0.2222 0.4359 0.1709 0.1709 39 0.2736 0.2358 0.2830 0.2075 40 0.1983 0.4310 0.1983 0.1724 采用夹角余弦法建立模糊相似矩阵R=(rij)40×40, 然后求传递闭包进行聚类，得到的动态聚类图如下： 取λ=0.9897，则可将40条DNA序列分为7类： {1,2,3,5,6,7,8,9,10,22,23,25,27,29,30,34,35,37,39}， {11,12,13,14,16,18,19,20,21,24，26,28,31,33,38,40}， {36}，{32}，{17}，{15}，{4} 由此得： 属于A类的序号为：22,23,25,27,29,30,34,35,37,39; 属于B类的序号为: 21,24,26,28,31,33,38,40; 既不属于A类也不属于B类的序号为：4,15,17,32,36. （3）建立模糊相似矩阵 首先确定每两个对象间的相似程度： 一般的，常用距离法确定rij :rij=1-cd(xi,xj) 选取适当的c，使0≤rij≤1. d(xi,xj)为xi与xj间的距离，常用的距离如下： (Ⅰ)海明（Hamming）距离： (Ⅱ)欧氏(Euclid)距离： 最后建立模糊相似矩阵R=(rij)n×n (Ⅲ)切比雪夫(Chebyshev)距离: d (xi, xj ) = ∨{ | xik- xjk | , 1≤k≤m} （4）求模糊相似矩阵R的传递闭包t(R) t(R)便为所求的模糊等价矩阵. （5）设定阈值λ，进行分类 λ的取值可根据实际问题而定. 阈：门槛，界限 弟子规-谨：“勿践阈，勿跛倚，勿箕踞，勿摇髀” 例2 现有5座城市 可由污染物在空气(y1)、水分(y2)、土壤(y3)、作物(y4)四个要素中的含量进行评价。详细数据如下： 这五座城市的污染状况 y1 y2 y3 y4 x1 x2 x3 X4 x5 5 5 3 2 2 3 4 5 5 5 2 3 1 5 3 1 2 4 5 1 请将这5座城市按污染状况进行分类。 解：第一步.构造数据矩阵： 第二步. 将数据进行标准化： 设 其中： 第三步. 建立模糊相似矩阵： 第四步：利用二次平方法，求R的传递闭包： 这样便得到R的传递闭包为R4，记为R*. 第五步：设阈值λ=0.8(八分像)，则： 从而分类结果为： 最佳分类的确定: 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