基于malab的模糊相似矩阵和传递闭包的分析.docxVIP

基于malab的模糊相似矩阵和传递闭包的分析

nb是目前国际上流行的科学计算软件。它具有强大的矩阵计算和数据可视化能力，可以实现各种计算、图形处理、自动控制、数据处理等功能。在这项工作中，我们讨论了在分析模糊的数据时使用nb编程解决模糊相互依赖于模型的矩阵和传递开包的简单方法。

1模糊聚类分析

采用模糊数学语言对事物按一定的要求进行描述和分类的数学方法称之为模糊聚类分析.聚类分析主要经过标定和聚类两个步骤,其中,繁琐的工作是求模糊相似矩阵和计算传递闭包.

1.1模糊相似矩阵的计算

设样本集合X={x1,x2,......,xn},n为样本数目,设每一个样本xi由一组特征数据(xi1,xi2,......,xim)表示.

建立模糊相似矩阵R,主要是确定其相似系数rij,即:xi与xj的相似程度.求相似系数rij的方法很多,在此,使用绝对值减数法:

rij=1?c∑k=1m|xik?xjk|rij=1-c∑k=1m|xik-xjk|,

其中0≤c≤1,适当选取c值,使得rij在中分散开来.

1.2实验2:传递闭包法

首先,定义矩阵的模糊乘法“o”运算规则如下:

设:A=(aij)是n×m阶矩阵,B=(bjk)是m×1阶矩阵,则C=AoB=(cik)是n×1阶矩阵,cik=∨mj=1j=1m(aij∧bjk).其中:∨为两数取大运算(逻辑加),∧为两数取小运算(逻辑乘).

其次,使用传递闭包法聚类:对标定的模糊相似矩阵R,依次用平方法计算,R2,R4,…,R2t,…,当第一次出现RkoRk=Rk时,则称Rk=(tij)为传递闭包,记为t(R).

在传递闭包t(R)=(tij)中,0≤tij≤1(i,j=1,2,...,n),令λ为tij中某一值(从高到低取值).记:Rλ=(λij),

其中:

λij={1当tij≥λ0当tijλ(i?j=1?2?...?n)λij={1当tij≥λ0当tijλ(i?j=1?2?...?n)

,称Rλ为t(R)的λ截矩阵.Rλ的列向量对应样本集合X={x1,x2,......,xn}中的元素.X中某些样本为同一类,必须且仅须Rλ中对应的列向量相等.

所以,欲将样本集合X={x1,x2,......,xn}分成若干类(根据实际要求),只要选取合适的λ,求出Rλ即可.

2sdb用于模糊集类的应用

以图书期刊的模糊分类作为一个案例,讨论MATLAB在聚类分析中具体求解模糊相似矩阵和传递闭包的算法.

2.1寻求模糊相的似矩阵

取c=0.5,按绝对值减数法进行标定,得到模糊相似矩阵R:

程序算法如下:

2.2r传输命录的闭合包的计算

经过计算得到传递闭包t(R):

程序算法如下:

2.3计算一个截矩阵

在tij(i,j=1,2,...,n)中取:λ=1,0.99,0.98,0.97,0.95,0.94,0.90,0.89,0.87,0.86,0.72,分别得到相应的λ截矩阵.

程序算法如下:

对应的元素为:x1,x2,x3,x4,x5,x6,x7,x8.

可见:λ=0.89时,将X分成四类(按要求):{x4}、{x3}、{x5,x6,x7}、{x1,x2,x8}.即:{《科学通报》};{《数学学报》};{《应用数学学报》、《数学进展》、《数学杂志》};{《数学研究》、《纯粹与应用数学》、《模糊系统与数学》}.

3不同样本集合的matlab算法

模糊聚类分析(传递闭包法)可在图书、情报及期刊的等级分类中广泛使用,尽管各个行业的分级指标不同,但使用的聚类方法却具有普遍意义.同时,可以看到,当样本集合的数目很大时,用MATLAB算法处理高阶矩阵,比其他计算机语言更具优越性.

取8种数学专业核心期刊作为样本集合:X={x1,x2,……,x8},其中:xi=(xi1,xi2),i=1,2,...,8;xi1为学术级别,xi2为相对平均被引用率.并且计划将这8种数学专业核心期刊分成四大类.样本集合数据如下: