数学建模2-2-教学课件.pptVIP

表示n维实数向量空间。 令uik表示第k个样本属于第i类的隶属度， 的聚类中心。则X的一个模糊C-均值聚类就是求如下目标函数的最小值： 记vi为第i类 求模糊C均值聚类的具体步骤如下： ⑴取定c,m和初始隶属度矩阵U 0,迭代步数I = 0； ⑵计算聚类中心V为： ⑶修正U： ⑷对给定的e 0，实际计算时应对取定的初始值进行迭代计算直至 则算法终止， 并得到结果。 在解决实际问题的过程中，我们经常发现利用经典的模糊C-均值聚类所得到的结果与主成分分析综合排名的结果有较大的差异，本文将模糊C-均值聚类加以改进，使得聚类的结果与主成分分析的排名基本一致。我们的方法将模糊C-均值聚类的迭代公式中的欧氏距离，改为加权欧氏距离，其中的权向量采取主成分分析的方法计算。 * * 1.1、模糊矩阵 定义2.2.1(模糊矩阵)如果对于任意的i,j，都有rij∈[0,1]，则称矩阵 为模糊矩阵。 例如： 就是一个3X4阶的模糊矩阵. 1.2、模糊矩阵的运算 则称模糊矩阵 为A与B合成,其中 (6) 合成运算 例1. 解 注意：合成运算不满足交换律，即 ；只有模糊矩阵 的列数与模糊矩阵 的行数相等时，合成运算 才有意义。 1.3、模糊矩阵的l-截矩阵 显然， 的l-截矩阵为布尔矩阵。 定义2.2.2 设 为模糊矩阵，对任意的l?[0,1], 称 例如： 1.4、模糊相似矩阵与模糊等价矩阵 定义2.2.3 若模糊矩阵 则称 为模糊相似矩阵。 满足: 例如 都是模糊相似矩阵。 定义2.3.2 若模糊矩阵 则称 为模糊等价矩阵。 满足: 显然，一个矩阵是模糊等价矩阵的必要条件为该矩阵是模糊相似矩阵。 例2. 上例中的 是否为模糊等价矩阵？ 解 故 不是模糊等价矩阵。 模糊相似矩阵和模糊等价矩阵的性质有： 定理2.2.1 若 是模糊相似矩阵，则对任意的自然数k， 也是模糊相似矩阵。 定理2.2.2 是模糊等价矩阵的充要条件是对任意的 ， 都是等价的布尔矩阵。 定理2.2.3 若 是模糊等价矩阵, 则对任意的 所决定的分类中的每一个类是 决定分类中的某个类的子类。 定理2.2.3表明，当若 时， 的分类是 分类的加细，当型l由1变到0时， 的分类将由细变粗，形成一个动态的聚类图。 定理2.2.4 若 是n阶模糊相似矩阵, 则存在一个最小的自然数k(k≤n)，对于一切大于k的自然数l, 恒有 即 是模糊等价矩阵。此时称 为 的传递闭包，记作 。 定理2.2.4表明，任一个模糊相似矩阵可诱导出一个模糊等价矩阵。下面介绍逐次平方法求传递闭包：从模糊相似矩阵 出发，依次求二次方，即 当第一次出现 时， 就是所求的传递闭包 。 ,求传递闭包 例3 设模糊矩阵 所以传递闭包为： 解：容易验证 是模糊相似矩阵，则 设论域 为被分类的对象,每个对象又由 n个指标表示其性状，即 于是得到原始数据矩阵为 模糊聚类分析方法及步骤 步骤1 数据无量纲标准化 在实际问题中，不同的数据一般有不同的量纲，为了使有不同的量纲的量也能进行比较，首先应对原始数据作适当的无量纲化。 ， 通常无量纲化的方法有以下几种： 步骤2 建立模糊相似矩阵 依照传统聚类方法确定相似系数，建立模糊相似矩阵 ，rij表示xi与xj的相似程度，确定的方法有以下几种： (1)相关系数法 (2)夹角余弦法 (3)数量积法 (4)绝对值指数法 (5)距离法 其中c为适当选取的参数，使得0≤rij≤1, 表示xi与xj的距离，经常采用有： 海明(Hamming)距离 欧几里得(Euclid)距离 切比雪夫(Chebyshev)距离 表示xi与xj某种贴近度(具体详见第三章) 在实际中究竟采取上述哪种方法，应视不同问题具体分析。 (6)贴近度法 步骤3 聚类 1)若 为模糊相似矩阵，则有如下的编网法。 2)若 为模糊等价矩阵，则有如下的l-截矩阵: 给定模糊相似矩阵 ，求l-截矩阵 ，在 对角线 上填入元素序号，在对角线的左下方以“*”代替1，以空格代替0，称“*”为节点。由每个节点“*”向对角线引横线和竖线，凡能通过节点连在一起的横线和竖线末端对应的元素归于一类