模糊聚类分析实验报告.docVIP

专业：信息与计算科学姓名：学号：

实验一模糊聚类分析

实验目的：

掌握数据文件的标准化，模糊相似矩阵的建立方法，会求传递闭包矩阵；会使用数学软件MATLAB进行模糊矩阵的有关运算

实验学时：4学时

实验内容：

⑴根据已知数据进行数据标准化.

⑵根据已知数据建立模糊相似矩阵，并求出其传递闭包矩阵.

⑶(可选做)根据模糊等价矩阵绘制动态聚类图.

⑷(可选做)根据原始数据或标准化后的数据和⑶的结果确定最佳分类.

实验日期：20017年12月02日

实验步骤：

1问题描述：

设有8种产品，它们的指标如下：

x1=(37,38,12,16,13,12)

x2=(69,73,74,22,64,17)

x3=(73,86,49,27,68,39)

x4=(57,58,64,84,63,28)

x5=(38,56,65,85,62,27)

x6=(65,55,64,15,26,48)

x7=(65,56,15,42,65,35)

x8=(66,45,65,55,34,32)

建立相似矩阵，并用传递闭包法进行模糊聚类。

2解决步骤：

2.1建立原始数据矩阵

设论域为被分类对象，每个对象又有个指标表示其性状，，由此可得原始数据矩阵。

于是，得到原始数据矩阵为

其中表示第个分类对象的第个指标的原始数据，其中m=6，n=8。

2.2样本数据标准化

2.2.1对上述矩阵进行如下变化，将数据压缩到[0,1]，使用方法为平移极差变换和最大值规格化方法。

（1）平移极差变换：

，

显然有，而且也消除了量纲的影响。

（2）最大值规格化：

，

2.2.2使用Matlab实现代码：

function

function[x_zuida,x_pingyi]=bzh(x)

%函数功能：标准化矩阵

[m,n]=size(x);

B=max(x);

B1=max(x)-min(x);

Bm=min(x);

fori=1:n

x1(:,i)=x(:,i)/B(i);%最大值规格化

x2(:,i)=(x(:,i)-Bm(i))/B1(i);%平移极差标准化

end

x_zuida=x1

x_pingyi=x2

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;

whileflag==0

fori=1:a

forj=1:a

fork=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

ifB==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);

fori=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