模糊聚类分析实验报告.docxVIP

专业：信息与计算科学 姓名： 学号： 实验一 模糊聚类分析 实验目的： 掌握数据文件的标准化， 模糊相似矩阵的建立方法， 会求传递闭包矩阵； 会使用数学软件 MATLAB 进行模糊矩阵的有关运算 实验学时： 4 学时 实验内容： ⑴ 根据已知数据进行数据标准化 . ⑵ 根据已知数据建立模糊相似矩阵，并求出其传递闭包矩阵 . ⑶ (可选做 )根据模糊等价矩阵绘制动态聚类图 . ⑷ (可选做 )根据原始数据或标准化后的数据和⑶的结果确定最佳分类 . 实验日期： 20017 年 12 月 02 日 实验步骤： 问题描述： 设有 8 种产品，它们的指标如下： x1 = (37,38,12,16,13,12) x2 = (69,73,74,22,64,17) x3 = (73,86,49,27,68,39) x4 = (57,58,64,84,63,28) x5 = (38,56,65,85,62,27) x6 = (65,55,64,15,26,48) x7 = (65,56,15,42,65,35) x8 = (66,45,65,55,34,32) 建立相似矩阵，并用传递闭包法进行模糊聚类。 2 解决步骤： 2.1 建立原始数据矩阵 设论域 X { x1, x2 , xn } 为被分类对象， 每个对象又有 m 个指标表示其性状， xi xi1, xi 2 , , xim ， i 1,2, , n 由此可得原始数据矩阵。 于是，得到原始数据矩阵为 37 38 12 16 13 12 69 73 74 22 64 17 73 86 49 27 68 39 57 58 64 84 63 28 X 56 65 85 62 27 38 65 55 64 15 26 48 65 56 15 42 65 35 66 45 65 55 34 32 其中 xnm 表示第 n 个分类对象的第 m 个指标的原始数据，其中 m = 6，n = 8。 2.2 样本数据标准化 2.2.1 对上述矩阵进行如下变化，将数据压缩到 [0,1]，使用方法为平移极差 变换和最大值规格化方法。 （1）平移极差变换： xik min{ xik } ， (k 1,2, , m) xik 1 i n min{ xik } max{ xik } 1 i n 1 i n 显然有 0 xik 1，而且也消除了量纲的影响。 （2）最大值规格化： xij xij ， M j max(x1 j , x2 j , xnj ) M j 2.2.2 使用 Matlab 实现代码： function [x_zuida, x_pingyi] = bzh(x) %函数功能：标准化矩阵 [m,n] = size(x); B = max(x); B1 = max(x) - min(x); Bm = min(x); for i = 1:n x1(:,i) = x(:,i)/B(i); %最大值规格化 x2(:,i) = (x(:,i) - Bm(i))/B1(i); %平移极差标准 化 end x_zuida = x1 x_pingyi = x2 2.2.3 样本数据标准化后结果如图所示： 图一 最大值规格化 图二 平移极差标准化 2.3 构造模糊相似矩阵 2.3.1 根据各分类对象的不同指标的标准化数据，计算分类对象间的相似程 rij ，建立模糊相似矩阵 R，该操作又称标定，计算标定的方法很多，这里使用最大最小法和算术平均最小法。 （1）最大最小法： m (xik  x jk ) rij  k 1 m (xik  x jk ) k 1 （2）算术平均最小法： m 2 ( xik x jk ) k 1 rij m (xik xjk ) k 1 2.3.2 使用 Matlab 实现代码： function [R1,R2] = bd(x) %函数功能：标定 [m,n] = size(x); for i = 1:m for j = 1:m for k = 1:n qx(k) = min(x(i,k),x(j,k)); %取小 qd(k) = max(x(i,k),x(j,k)); %取大 end R1(i,j) = sum(qx)/sum(qd); %最大最小法 R2(i,j) = 2*sum(qx)/(sum(x(i,:))+sum(x(j,:))); %算术平均 最小法 if i == j R1(i,j) = 1; R2(i,j) = 1; end end end R_zuidazuixiao = R1 R_suanshu = R2 2.3.4 将最大规格化后的数据进行构造模糊相似矩阵如图所示： 图三 最大最小法构造模糊相似矩阵 图四 算术平均法造构造模糊相似矩