a10模式识别与智能计算第十章+模糊聚类分析.pptxVIP

模式识别与智能计算杨淑莹天津理工大学计算机科学与工程学院

第十章模糊聚类分析10.1模糊集的基本概念10.2模糊集运算10.２.1模糊子集运算10.２.2模糊集运算性质10.3模糊关系10.4模糊集在模式识别中的应用10.5基于模糊的聚类分析

10.1模糊集的基本概念集合：集合可以表现概念，把具有某种属性的东西的全体叫做集合，把集合里的每个成员叫做这个集合的元素。普通集合论中的元素对集合表现的是绝对隶属关系。例如从一群人中，挑选出所有的男人来，构成子集，任意讨论中的一个人，与之间只有“属于”和“不属于”两类关系，绝不能模棱两可。

10.1模糊集的基本概念但是如果要把这群人中的中年人找出来，构成子集，如图(a)所示。就不能对一个人用“是”“否”来作出肯定回答，在“是”“否”中间容许有中间状态。因此提出隶属程度的思想，用隶属函数来代替普通集合论中的特征函数，把这群中年人构成一个模糊子集如图(b)所示，用隶属函数来刻划每个人隶属于“中年人”的程度

10.1模糊集的基本概念隶属函数：

10.1模糊集的基本概念

10.1模糊集的基本概念隶属度：隶属度是模糊集合赖以建立的基石，要确定恰当的隶属度函数并不容易。在某些场合，隶属度可以用模糊统计的方法来确定。

10.1模糊集的基本概念

10.1模糊集的基本概念模糊子集的定义:

10.2模糊集运算10.２.1模糊子集运算两个模糊子集间的运算，实际上就是逐点对隶属度作相应的运算。两模糊子集的相等：包含：空集：补集：全集：并集：交集：

10.2模糊集运算10.２.1模糊子集运算

10.2模糊集运算10.２.1模糊子集运算

10.2模糊集运算10.２.2模糊集运算性质在普通集合中成立的各种基本性质，一般的对于模糊集也都成立，一般的互补律不成立自反律：反对称律：传递律：幂等律：交换律：结合律：

10.2模糊集运算吸收律：分配律：双重否定律：德·摩根律：定常律：互补律不成立：

10.3模糊关系1.模糊矩阵：在现实生活中，我们常要考虑两个模糊集内各元素之间的关系，已知U、V是两论域，设Ｕ是样品甲的状态集，Ｖ是样品乙的状态集。若同时考虑甲、乙两个因素时，则其可能的状态集是由Ｕ、Ｖ中任意搭配的元素对（ｕ，ｖ）构成。称为Ｕ与Ｖ的笛卡尔乘积集，记作： Ｕ×Ｖ＝｛（ｕ，ｖ）｜ｕＵ，ｖＶ｝ 迪卡尔乘积集是两集合元素间的无约束搭配。若对这种搭配加以一定的限制，便表现了Ｕ、Ｖ之间的某种特殊关系，称为Ｕ、Ｖ的模糊关系。模糊关系R的隶属函数(Ｕ,Ｖ)叫做(Ｕ,Ｖ)具有关系R的程度：U*V-----[0，1]，表示Ｕ、Ｖ具有关系Ｒ的程度。

10.3模糊关系若有一批样品共有N个，每个样品有n个特征，则可把X看做一个n维列行向量，该向量X称为特征向量，样品i记作：

10.3模糊关系原始资料矩阵:

10.3模糊关系样品i与样品j的之间的相似程度，，，i与j任意搭配，表示它们之间的贴近程度，构成模糊关系，此时模糊关系R可以用矩阵形式表示，即R=(rij)，其中rij=(Xi，Xj)显然有0rij1(1i，jN)；满足以上条件的矩阵称为模糊矩阵.特别的，当rij{0，1}，(1i，jN)时，矩阵R退化为布尔矩阵。

10.3模糊关系2.模糊关系的建立:模糊关系可以用于聚类分析,选择合理的统计指标后就可以按照下面的内容进行分类。第一步：把各代表点的统计指标的数据标准化，以便分析和比较。这一步也称正规化。为把标准化数据压缩到(0，1)闭区间，可以用极值标准化公式：当时，x=1；当时，x=0，否则取[0，1]之间。第二步：算出被分类对象间具有此种关系的程度rij（最通常是i与j的相似程度），其中i，j=1，2，…，N。N为对象个数。从而确定论域上的模糊关系R。

10.3模糊关系3.计算rij常用的方法:欧氏距离法:式中为第i个样品第k个特征的值，为第j个样品的第k个特征的值。数量积:其中M为适当选择的正数,满足

10.3模糊关系3.计算rij常用的方法:相关系数:指数相似系数:其中为适当选择的正数

10.3模糊关系3.计算rij常用的方法:非参数法:令最大最小法:

10.3模糊关系3.计算rij常用的方法:算数平均法:几何平均最小法:

10.3模糊关系3.计算rij常用的方法:绝对值指数法:绝对值