《模糊数学2-4》-精选课件(公开).pptVIP

《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 如例1中的水体水质聚类问题得到: 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 进行分类: 取?=0.84，分成五类：{{Ⅰ,Ⅲ}{Ⅱ}{Ⅳ}{Ⅴ}{Ⅵ}} 取?=0.81，分成四类：{{Ⅰ,Ⅲ}{Ⅱ}{Ⅳ}{Ⅴ,Ⅵ}} 取?=0.61，分成三类：{{Ⅰ,Ⅲ}{Ⅱ,Ⅴ,Ⅵ}{Ⅳ}} 取?=0.51，分成两类：{{Ⅰ,Ⅲ}{Ⅱ,Ⅳ,Ⅴ,Ⅵ}} 取?=0.42，分成一类：{{Ⅰ,Ⅲ,Ⅱ,Ⅳ,Ⅴ,Ⅵ}} 0.06 0.48 13.2 94.7 Ⅵ 0.05 0.14 11.5 73.8 Ⅴ 0.10 0.07 7.3 40.6 Ⅳ 0.20 0.12 9.0 12.4 Ⅲ 0 0.02 4.4 33.4 Ⅱ 0.24 0.16 10.5 10.6 Ⅰ 氰 酚 氨氮 COD * 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 第四节 模糊聚类分析 聚类分析是按照一定的标准对事物进行分类的数学方法,具体地说: 设有n个事物的总体(论域), X={x1,x2,…,xn}, 每一个事物抽取m个特征: xj=(xj1,xj2,…,xjm), j=1,2,…,n 这里:xjk表示第j个事物第k个特征的观测值. 聚类问题就是根据实际情况, 按某一个标准来鉴别事物之间的接近程度,并把彼此接近的事物归为一类. 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 模糊聚类分析的实质就是根据研究对象本身的属性来构造模糊矩阵，在此基础上根据一定的隶属度来确定其分类关系。分为两大类: (1)基于模糊等价关系的动态聚类方法(Tamura) (本教材主要介绍) (2)基于模糊划分的方法,主要是模糊IOSDATA(FC-均值)方法.(迭代自组织数据分析技术). 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 一、模糊聚类分析的一般步骤 第一步：数据标准化 设论域X = {x1, x2, …, xn}为被分类对象,每个对象又由m个指标表示其性状: (1)数据矩阵 xi = { xi1, xi2, …, xim}, i = 1, 2, …, n 于是,得到原始数据矩阵为 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 (2)数据标准化 已知指标的标准处理法： 设m个指标的标准为：ci 则每一个单元的特征指标值，即每一指标属于“标准”的隶属度，为： 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 根据模糊矩阵的要求，将数据压缩到[0,1]区间上。通常需要作如下几种变换： ①平移 ? 标准差变换 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 ②平移 ? 极差变换 ③对数变换 取对数以缩小变量间的数量级。 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 第二步：标定（建立模糊相似矩阵） 相似性度量，又称标定，就是根据实际情况，按一定准则或某一种方法， 给论域X中的元素两两之间都赋以[0,1]内的一个数，称为相似系数。 它的大小表征两个元素彼此接近或相似的程度。 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 用rij表示元素xi与xj的相似系数，其中： xi = { xi1, xi2, …, xim}, i = 1, 2, …, n xj = { xj1, xj2, …, xjm}, j = 1, 2, …, n rij?[0,1] rij=0，表示xi与xj迥然不同，毫无相似之处； rij=1，表示xi与xj完全相同；显然rii取1。 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 模糊相似矩阵建立方法（标定的方法） (1)相似系数法 ①数量积法 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 ②夹角余弦法 《模糊数学》 第二章 模糊关系与模糊聚类分析 第四节 模糊聚类分析 ③相关系