模糊聚类算法的C语言实现六讲述.docx

模糊聚类算法的C语言实现六摘要聚类分析在生产生活中有着非常广泛的应用比如学生成绩的划分粉煤灰分类等。而模糊数学的理论也给我们提了更多的聚类方法如基于模糊等价关系的聚类分析方法和基于模糊划分的聚类方法等。综合考虑二者的优劣势我们给出了一种较合理的算法即首先通过传递闭包法建立模糊等价矩阵针对每个阈值给出相应的分类；再应用F-统计量最大确定最佳阈值；将该阈值对应的分类作为初始值进行ISODATA修正。根据此算法写出完整的C语言程序方便大量数据的处理。并给出几个应用实例说明该算法在实际应用中有其合理性且利用计算机可以便捷的得到分类结果。关键词聚类分析模糊相似矩阵模糊等价矩阵F-统计量ISODATA方法阈值模糊聚类的算法及程序实现在模糊数学中聚类是一个很现实的应用。常用的聚类方法有基于模糊等价关系的聚类分析方法和基于模糊划分的模糊聚类方法等两种算法各有优势和弱点。传递闭包法可以根据阈值的取定给出不同的分类而阈值步长的任意性又对分类的合理性提出了挑战虽然我们可以用F-同计量方法确定最佳阈值但毕竟在决定阈值范围时就有很大的主观因素；ISODATA方法能够在退化情形得到最理想的c-模糊划分但方法的收敛快慢和最终分类的好坏过于依赖初始值的选取并且类数的选择对结果也很有影响。结合两种算法我们给出了修正后较合理的方法即先由模糊等价关系聚类图中选择一最佳值以对应该阈值的分类作为初始值用ISODATA方法加以修正。C语言程序：#include lt;stdio.hgt;#include lt;math.hgt;#define N 100 #define M 100#define L 110tyedef struct //定义结构体记录grou：{double line,F; //Line：取定阈值F：相应该种分类的F-统计量(吴震)int num,contain[N],mark[N],classify[N][N]; //Num：分类总数（组号为123……num）}DATA; //Contain[i]：第i类包含的素数（i=1, 2,…, num）//Mark[j]：第j个样本相应的组号（j=1, 2,…, n）//Classify[i][j]：第i类包含的第j素的下标int n,m,ossible; double x[N][M],cArr[N][N],zero[M]; //x:每个对象由一组特征数据表征 ,cArr:存储模糊相似（等价）矩阵double coycArr[N][N]; //zero:辅助量每个指标均为零coycArr:传递闭包法中的中转矩阵int cBoolArr[N][N]; //取阈值limitLine的截关系存储至cBoolArr double center[N][M],overallcenter[M]; //center:聚类中心overallcenter:总体样本的中心向量double A0[N][M],A1[N][M],v[N][M]; //A0:c-模糊划分矩阵A1:迭代所得c-模糊划分矩阵v:聚类中心矩阵DATA grou[L],otGrou,reviseGrou; //grou[L]:对于每一个阈值limitLine有一个分类otGrou:最优分类//reviseGrou:ISODATA修正后得到的分类void inut() //输入样本数据{int i,j;scanf(quot;%d%dquot;,am;n,am;m); //n:样本个数m:每个样本的特征for (i=1;ilt;=n;i++)for (j=1;jlt;=m;j++)scanf(quot;%lfquot;,am;x[i][j]); //具体数据输入return;}void initial() //设置辅助量zero方便直接利用距离公式求得cArr初始值{int k;for (k=1;klt;=m;k++)zero[k]=0;return;}double distance2(double a[]