模糊聚类分析模板.docVIP

- PAGE 1 - 模糊聚类分析 1.1 模糊聚类分析法的基本原理 模糊聚类分析是根据事物间的不同特征、亲疏程度和相似性等关系，通过建立模糊相似关系对客观事物进行分类的一种数学方法。用模糊聚类分析方法处理带有模糊性的聚类问题更为客观、灵活、直观，计算也更加简捷。 1.2 模糊聚类分析的简要流程 N N Y 输入样本个数 输入特征变量个数 输入 选择建立相似 关系的方法 计算 求传递闭包 输入动态聚类图 是否选择最佳分类？ 确定最佳分类阙值 输入分类结果 结束 给出分类数 1.3 模糊聚类分析的一般步骤 Step1：数据标准化 （1） 获取数据 设论域为被分类对象，每个对象又有个指标表示其性状，即：。 于是，得到原始数据矩阵为： 其中，表示第个分类对象的第个指标的原始数据。 （2）数据的标准化处理 在实际问题中，不同的数据一般有不同的量纲，为了使不同的量纲也能进行比较，通常需要对数据做适当的变换。但是，即使这样，得到的数据也不一定在区间上。因此，这里说的数据标准化，就是要根据模糊矩阵的要求，将数据压缩到区间上。通常有以下几种变换：标准差变换与极差变换，本文采用极差变换对原始数据标准化处理，其数学模型模型为： ， 显然有，且消除了量纲的影响，从而可以得到模糊矩阵： Step2：建立模糊相似矩阵 设论域，，即数据矩阵。如果与的相似程度，则称之为相似