省区识别载体的糊归类识别.pptVIP

省区识别载体的模糊归类识别 7.5 物流园区宏观布局载体归类识别原理和计算步骤问题研究 为解决 待定对象 的类别归属问题，提出研究方法 7.6　省区识别载体的模糊归类识别 （香港） 7.7 地级市载体的模糊归类识别 根据 7.5节介绍的研究方法，进行实例分析 标准类别识别特征的提取（表7-9 ） 归类识别分析（表7-10 7-11） 识别效果检验（表7-12） 一、提取标准类别的识别特征值 1 建立论域 （1）取第一类地区为样本：北京（B）、天津（T）、上海（S）、广东（G） （2）根据表6-4（P174）和表6-7（P180），分别选择四类因子中贡献率高的因子为上述样本的特征值：X1—GDP、X2—人均GDP、X3—铁路网密度、X4—地区行政级别 特征 样本 X1 X2 X3 X4 北京 B 2174.46 19846 679.23 5 天津 T 1450.06 15976 468.67 5 上海 S 4034.96 30805 411.9 7 广东 G 8464.31 11728 43.48 61 则可得,论域U=为样本空间（样本总数为n=4），而每一个样本有m=4个特征： 构造原始数据 表1 为： 2 数据标准化 数据标准化就是根据模糊矩阵的要求，将数据压缩到区间[0，1]上，其计算公式为（可参考公式（7-3）P188）： 计算过程列举如下： ……………… ……………… 第1类原始数据标准化矩阵为： 3 计算识别特征值 各类别的识别特征值主要是其聚类中心向量。（可参考P208） 针对各类的标准化矩阵计算可获得第1类的聚类中心向量为： ， 即为第1类别的识别特征值 其中 为第k个特征个平均值， 根据公式（7-23） 二、归类识别分析 计算在第一类中与待定对象香港（H）最为贴近的对象 （1） 建立论域 将香港加入原始数据，形成 表2 ： 特征 样本 X1 X2 X3 X4 北京 B 2174.46 19846 679.23 5 天津 T 1450.06 15976 468.67 5 上海 S 4034.96 30805 411.9 7 广东 G 8464.31 11728 43.48 61 香港 H 13566.3 201732 309.1 6 （2） 数据标准化 对新论域按公式（ 7-3） 进行标准化，重新获得矩阵U2 ： （3） 计算贴近度 根据公式（7-21） 其中： ——距离修正系数，为保证贴近函数数值在[0，1]区间内， 以便于比较。 此处，取 =0.25 计算过程列举如下： 同理可得： （4） 根据择近原则判断 根据模糊识别的择近原则，判断与香港最为贴近的对象如下： 由此得出 ： 上海与香港贴近度最高 成为与香港进行数值交换的对象 2 数值交换，获得新识别矩阵 （1）替换数值 用香港的替换上海的数据，构建新论域　得到　表3　： 特征 样本 X1 X2 X3 X4 北京 B 2174.46 19846 679.23 5 天津 T 1450.06 15976 468.67 5 香港 H 13566.3 201732 309.1 6 广东 G 8464.31 11728 43.48 61 （2）标准化，获得识别矩阵 将交换后的原始数据进行第1类别新数据标准化，而获得待定对象在第1类别的标准化矩阵 ， 即为识别矩阵。 3 计算识别矩阵的聚类中心向量