模糊聚类分析实验报告.docVIP

模糊聚类分析实验报告 2.2.3 样本数据标准化后结果如图所示： 图一 最大值规格化 图二 平移极差标准化 2.3 构造模糊相似矩阵 2.3.1 根据各分类对象的不同指标的标准化数据，计算分类对象间的相似程度rij，建立模糊相似矩阵R，该操作又称标定，计算标定的方法很多，这里使用最大最小法和算术平均最小法。 最大最小法： 算术平均最小法： 2.3.2 使用Matlab实现代码： function function [R1,R2] = bd(x) %函数功能：标定 [m,n] = size(x); for i = 1:m for j = 1:m for k = 1:n qx(k) = min(x(i,k),x(j,k)); %取小 qd(k) = max(x(i,k),x(j,k)); %取大 end R1(i,j) = sum(qx)/sum(qd); %最大最小法 R2(i,j) = 2*sum(qx)/(sum(x(i,:))+sum(x(j,:))); %算术平均最小法 if i == j R1(i,j) = 1; R2(i,j) = 1; end end end R_zuidazuixiao = R1 R_suanshu = R2 2.3.4 将最大规格化后的数据进行构造模糊相似矩阵如图所示： 图三 最大最小法构造模糊相似矩阵 图四 算术平均法造构造模糊相似矩阵 2.4 建立模糊等价矩阵 2.4.1 根据标定所得的矩阵，只是一个模糊相似矩阵，不一定具有传递性，为了进行分类，还需要将改造成等价矩阵。采用平方法计算传递闭包： 经过有限次运算后存在k使，于是，即为所求的模糊等价矩阵。 2.4.2 使用Matlab实现代码： function function [tr] = chuandi(x) %函数功能：求传递闭包 R = x; a=size(R); B=zeros(a); flag=0; while flag==0 for i= 1: a for j= 1: a for k=1:a B( i , j ) = max(min( R( i , k) , R( k, j) ) , B( i , j ) ) ;%R与R内积，先取小再取大 end end end if B==R flag=1; else R=B;%循环计算R传递闭包 end end tr = B; 2.4.3 对最大最小法构造模糊的相似矩阵求传递闭包结果如图所示： 图五 最大最小法构造模糊相似矩阵的传递闭包 图六 算术平均法造构造模糊相似矩阵的传递闭包 2.5 聚类分析 2.5.1 得到模糊等价矩阵后，可在适当水平上截取，将模糊等价矩阵中大于值的数归为一类。 2.5.2 使用Matlab实现求截矩阵代码： function function [M,N]=julei(tR1) %函数功能：求出lamda截矩阵 tR = tR1; lamda=unique(tR); %取A矩阵不同元素构成的向量，来确定阈值 L=length(lamda); lamda = sort(lamda,descend); for i = 1:L tR = tR1; lamda(i) tR(find(tR=lamda(i))) = 1; %令大于lamda的为1 tR(find(tRlamda(i))) = 0; %令小于lamda的为0 tR end 2.5.3 对最大最小法构造模糊相似矩阵的传递闭包求出截矩阵，然后进行聚类，聚类结果如下： （1）当时，这8种产品分为8类{x1}，{x2}，{x3}，{x4}，{x5}，{x6}，{x7}，{x8}。 图七 时的截矩阵 （2）当时，这8种产品分为7类{x1}，{x2}，{x3}，{x4, x5}，{x6}，{x7}，{x8}。 图八 时的截矩阵 （3）当时，这8种产品分为6类{x1}，{x2, x3}，{x4, x5}，{x6}，{x7}，{x8}。 图九 时的截矩阵 （4）当时，这8种产品分为5类{x1}，{x2, x3}，{x4, x5, x8}，{x6}，{x7}。 图十 时的截矩阵 （5）当时，这8种产品分为4类{x1}，{x2, x3}，{x4, x5, x6,