matlab模糊聚类程序.doc

3.数据标准化 (1)数据矩阵 设论域 U={^,X2,X3，X4，X5，X6，X7，X8，X9，^0^i，X2}为被分类的对象，每个 对象又由指标y =y{ y, y, % y w y?表,示y,其性状即 xi =x{i x2i X3 x(i=1X2, Xi,1»)于是得到 原是数据矩阵 r 7 5 2 5 0 1 3 4 2、 12 17 8 21 9 2 38 4 37 83 29 59 65 37 20 54 13 26 53 13 31 36 21 23 12 18 14 178 69 112 78 104 36 94 31 47 A= 23 25 36 11 12 11 24 6 16 101 32 53 52 86 52 41 38 94 28 6 7 8 8 2 0 3 29 169 51 58 72 49 30 48 37 146 327 91 126 92 89 69 79 29 49 93 27 54 64 24 17 23 11 49 .18 7 9 5 1 2 18 3 8丿 X4i X5 x6i x7i X8i X9i [0,1]上，采用平移.极差变换进行数据标准 (2) 数据标准化 将模糊矩阵的每一个数据压缩到 A(i,k)-叩山{A(i,k)}maxE^Smin 血*)} 运用matlab编程由函数F」isjbzh.m 【见附录3.4】的标准化矩阵是 附录3.4 fun ctio n [X]=F_JISjBzh(cs,X) 液糊聚类分析数据标准化变换 %灿始数据矩阵；cs=0,不变换；cs=1，标准差变换 %cs=2,极差变换 if(cs==0) retur n ;end [n ,m]=size(X);% 获得矩阵的行列数 if(cs==1) % 平移极差变换 for(k=1:m) xk=0; for(i=1:n) xk=xk+X(i,k);end xk=xk/ n; sk=0; for(i=1:n) sk=sk+(X(i,k)-xk)A2;end sk=sqrt(sk/ n); for(i=1: n) X(i,k)=(X(i,k)-xk)/sk;e nd end else %平移*极差变换 for(k=1:m) xmi n=X(1,k);xmax=X(1,k); for(i=1: n) if(xmi nX(i,k)) xmi n=X(i,k);e nd if(xmaxX(i,k)) xmax=X(i,k);e nd end for(i=1: n) X(i,k)=(X(i,k)-xmi n)/(xmax-xmi n);e nd end end  rj =1 -c d(Xi,Xj) 其中c为任意选区的参数，它使得0W rj 1,d(Xi,Xj)表示Xi与Xj的距离, 运用matlab软件编写F_jir.m 函数【见附录3.5】，取cs==8,的模糊相 似矩阵 附录3.5 :(仅附录了一段用到的程序) fun ctio n [ R]=F _ji r(cs,X) %cs==8直接欧几里得距离法 %cs==9直接海明距离法(绝对值减数法) %cs==10直接切比雪夫距离法 elseif(cs=10) C=0; for(i=1:n) for(j=i+1:n) d=0; % 直接欧几里得距离法 if(cs==8) for(k=1:m) d=d+(X(i,k)-X(j,k)F2; end d=sqrt(d); % 直接海明距离法 elseif(cs==9) for(k=1:m) d=d+abs(X(i,k)-X(j,k)); end % 直接切比雪夫距离法 else for(k=1:m) if(dabs(X(i,k)-X(j,k))) d=abs(X(i,k)-X(j,k)); end end end if(Cd) C=d; end end end C=1/(1+C); for(i=1:n) for(j=1:n) d=0; % 直接欧几里得距离法 if(cs==8) for(k=1:m) d=d+(X(i,k)-X(j,k))A2; end d=sqrt(d); % 直接海明距离法 elseif(cs==9) for(k=1:m) d=d+abs(X(i,k)-X(j,k)); end % 直接切比雪夫距离法 else for(k=1:m) if(dabs(X(i,k)-X(j,k))) d=abs(X(i,k)-X(j,k)); end end end R(i,j)=1-C*d; end end （3）聚类（求动态聚类图） 1传递闭包法 根据标定所得的模糊矩阵，只是一个模糊相似矩阵 R,不一定具有传递性， 即R不一定是模糊等价矩阵，还需要对其改造成模糊等价矩阵 R ,根据定理， 用二次方法