模糊聚类分析.docxVIP

模糊聚类分析 聚类分析就是将一个没有类别标记的样本集按照某种准则划分成若干个子集（类），使相似的样本尽可能归为一类，而不相似的样本尽可能划分到不同的类中。由于在对样本集进行聚类的过程中，没有任何关于类别的先验知识，所以聚类分析属于无监督分类的范畴。 传统的聚类分析是一种硬划分，它将每个待识别的对象严格地划分到某个类中，类别划分的界限是分明的，具有“非此即彼”的性质。而现实世界中，一组对象根据其亲疏程度和相似性是否形成一个类群，或一个对象是否属于一个类别，其界限往往是不分明的，具有“亦此亦彼”的性质。对于这种带有不确定性的聚类问题，模糊聚类分析提供了有力的分析工具。 模糊聚类分析能够建立样本对于类别的不确定性描述，表达样本类属的中介性，已经成为聚类分析研究的主流。粗略来讲，模糊聚类分析方法可分为两类：基于模糊等价关系的聚类方法和基于目标函数的聚类方法。有时，这两类方法也结合起来使用。 一、数据预处理 在模糊聚类分析中，我们称待分类的对象为样本。要对样本进行合理的分类，首先应考虑样本的各种特性指标（观测数据）。设有n个被分类对象，即样本集为 X = {x1, x2, …, xn} 每一个xi有m个特性指标，即xi可表示为特性指标向量 xi = {xi1, xi2, …, xim} 其中xij表示第i个样本的第j个特性指标。于是，n个样本的特性指标矩阵为 ??x21?M??x?n1x12Lx1m? x22Lx2m? xn2Lxnm?? 通常，我们也将样本集记为特性指标矩阵的形式，即X = (xij)n×m。 如果m个特性指标的量纲和数量级都不相同，在运算过程中就可能会因为突出某些数量级特别大的特性指标对分类的作用，而降低甚至排除某些数量级很小的特性指标的作用，致使对各特性指标的分类缺乏一个统一的尺度。所以，为了消除特性指标单位的差别和数量级不同的影响，当特性指标的量纲和数量级不相同时，通常事先对各种指标值实施数据标准化（规格化），从而使得各个指标值都统一于某种共同的数值特性范围。我们称之为数据预处理。 常用的数据标准化方法有两种：均值方差标准化和极大极小标准化。 (1) 均值方差标准化 设给定的样本集为X = (xij)n×m，标准化之后的样本集为X = (x′ij)n×m，则 ，i = 1, 2, …, n，j = 1, 2, …, m j=∑xij，σj= (2) 极大极小标准化 (xij?j)，j = 1, 2, …, m ∑n?1i=1 设给定的样本集为X = (xij)n×m，标准化之后的样本集为X = (x′ij)n×m，则 xij?xjminxjmax?xjmin ，i = 1, 2, …, n，j = 1, 2, …, m xjmin=min{xij}，xjmax=max{xij}，j = 1, 2, …, m 显然，实施数据标准化之后，每个指标值均在区间 [0, 1] 中。 二、基于模糊等价关系的聚类方法 （一）模糊等价矩阵聚类方法 模糊等价矩阵聚类方法是典型的基于模糊等价关系的聚类方法之一。其主要思想就是从计算各个样本之间的相似性统计量出发，建立样本集X上的模糊相似矩阵（关系）；通过改造模糊相似矩阵为模糊等价矩阵，达到对样本集X进行模糊聚类的目的。 模糊等价矩阵聚类法 1° 选择适当的相似性统计量； 2° 构造样本集上的模糊相似矩阵； 3° 将模糊相似矩阵改造为模糊等价矩阵； 4° 聚类；画出聚类的谱系图。 1．建立模糊相似矩阵 设待分类的样本集为X = {x1, x2, …, xn} 或X = (xij)n×m，并已经标准化。如果能够计算出衡量样本xi与xj之间相似程度的相似性统计量rij，使得 ，i, j = 1, 2, …, n 0 ≤ rij ≤ 1， 其中，rij = 0表示样本xi与xj之间毫不相似，rij = 1表示样本xi与xj之间完全相似或者等同，rii表示样本xi自己与自己的相似程度，恒取为1，即rii = 1，i = 1, 2, …, n，那么，描述样本之间的模糊相似关系、建立在样本集X上的模糊相似矩阵为 ?r11r12? ?r21r22R=? ?rr?n1n2Lr1n? ?LM?Lrnn?? 常用的计算样本的相似性统计量的方法有如下几种： (1) 相关系数法 ?i|?|xjk?j| i=∑xik，j=∑xjk mk=1mk=1 (2) 夹角余弦法 x2ik?x