模糊聚类-matlab实现.docxVIP

模糊聚类-matlab实现 %%%%%%%%%%%%%%% 模糊聚 ^%%%%%%%%%%%%%%%%%%%%%%% clear; load F:\从0开始数据\; INPUTDATA=data; ——螺始数据标准化——% dispfi§选择原始数据标准化方式:?)； dispC1-总和标准化12?标准差标准化|3?极大值标准化|4 ?极差标准化a); wayforstand=inputCin 输入：)； switch wayforstand case 1, DATAFORCLUS=standard_use_sum(INPUTDATA); case 2, DATAFORCLUS=standard_use_std(INPUTDATA); case 3S DATAFORCLUSnStandard_use_max(INPUTDATA); case 4, DATAFORCLUS=standard^useJc(INPUTDATA); otherwise error(?您的输入不符合要求。执行结束明； end %%%%%%%%%%%%%%%%%%%%%%%%%%%%% 基于模糊等价关系的模概聚 类%%%%%%%%%%%%%%%%%%%%%% %- 构造相似关系 % numrows=size(DATAFORCLUS,1); numcols?size(DATAFORCLUS,2); disp(，请选择对象之间相似性统计量的方式:?)； dispC1-l0关系数法12?夹角余弦法|3?指数相似系数法|4 .绝对值指数法|5項术平均最小法|6 ?最大最小偵法 17?绝对值差数法|8?数量积法?); wayforrJi-input(请输入:?)； switch wayforr jj case 1, % 相关系数法 for i=1:numrows, for j=1:numrows, meani=mean(DATAFORCLUS(ij));meanj=mean(DATAFORCLUS(j,:)); simiR(i,j)=sum((DATAFORCLUS(i,:)?meani)..(DATAFORCLUS(j,:)?meanj))/... (sqrt(sum((DATAF0RCLUS(i,:)?meani).％))sqn(sum((DATAF0RCLUSQ:)?meanj).A2))); end end case 2, %- 夹角余弦法 for i=1:numrows, for j=1:numrows, simiR(ij)=sum(DATAFORCLUS(i,:).?DATAFORCLUS(j,:))/..? (sqrt(sum(DATAFORCLUS(i,:)/DATAFORCLUS(i,:)))-sqrt(sum(DATAFORCLUS(j.:)/DATAF ORCLUSG，:)))); end end case 3, % 指数相似系数法 case 4, %- 绝对值指数法 case 5,% 算术平均最小法 case 6, % 最大最小值法 case 7, %- 绝对值差数法 case 8} % 数虽枳法 otherwise errorC您的输入不符合要求? 执行结束!!V); end %-——改造成等价关系 ％ sign-0; numselfmul=1; simiRk=eye(numrows); equi_tem=sim 旧； while sign==0, for i=l:numrows, for j=1:numrows, for c=1:numrows, rijjemp(c)=mm((equi_tem(i,c) equi_tem(c,j)]); end sim 旧 k{ij)=max(rij_temp); end end % % it sum(sum(simiRk?equi_tem,1 ))~=0, numselfmul=numsel1mul+l; equi_tem=sim 旧 k; else sign=1; break end % % end if sign==1, disp(,从相似矩阵到等价矩阵改造成功I)； else disp(,从相似矩阵到等价矩阵改造失败!!I); end equiR=simiRk; numclass=inputfi§输入聚类數：); %-——在不同的截集水平进行聚类 % clasc^O; comp_vec(l ,1 :numrows)=0; index=O; clasc=O; tip； alpha=O; temnumeachclass=O; while (tip==O), %alpha=input(.清输入进行分类的披集水平人：?)； %alpha=0.5; % 调试 il (alpha0 || alpha1), e