模糊集理论及其应用第三章.pptVIP

下面介绍传递闭包的一些基本性质定理设I,R,Q∈F(U×U),则有t(I)=I;R?Q?t(R)=t(Q)(t(R))T=t(RT)RT=R?(t(R))T=t(R)3.2.4模糊关系的相似性*3.2.4模糊关系的相似性定义设R∈F(U×U),则(1)R称为相似的,如果R是自反和对称的;(2)称包含R的最小的相似模糊关系为相似闭包,记作a(R).例设U={u1,u2,u3},R∈F(U×U),且则R是自反且对称的,故R为相似模糊矩阵.定理设R∈F(U×U),则有(1)R为相似的当且仅当??∈[0,1],R?为相似的;(2)若R为相似的,则?n∈N,Rn也是相似的.3.2.5模糊关系的等价性*3.2.5模糊关系的等价性定义设R∈F(U×U),则(1)R称为等价的,如果R是自反、对称和传递的(2)称包含R的最小的模糊等价关系为R的等价闭包,记作e(R).由定理3.2.1~定理立即可证如下结论定理设R∈F(U×U),则(1)R为等价的当且仅当??∈[0,1],R?为等价的(2)若R为等价的,则?n∈N,Rn也是等价的(3)R为等价的当且仅当R为传递的模糊相似关系(4)若R为模糊相似关系,则t(R)=e(R)3.4基于模糊等价矩阵的模糊聚类分析设被分类对象的集合为U={u1,u2,…,un},每一个对象ui有m个特性指标(即反映对象特征的主要指标),并记ui=(ui1,ui2,…,uim),i=1,2,…,n其中uij表示第i个对象的第j个特性指标,则n个对象的所有特性指标构成一个矩阵,记作称U*为U的特性指标矩阵.常用的数据规格化方法有如下几种:3.4.1数据规格化01对特性指标矩阵U*的第j列,计算(ii)作变换则以u?ij作为元素的特性指标矩阵就是数据规格化的特性指标矩阵,记作U*=(u?ij)n×m数据标准化02均值规格化*对U*的第j列,计算1(ii)作变换则U*=(u?ij)n×m为规格化后的特性指标矩阵.2则U*=(u?ij)n×m为规格化后的特性指标矩阵.还有中心规格化、极差规格化、对数规格化等,这些方法参见教材P96.然后作变换最大值规格化对特性指标U*的第j列,计算3.4.2构造模糊相似矩阵*设数据u?ij(i=1,2,…,n;j=1,2,…,m)均已规格化,下面用多元分析的方法来确定对象ui=(u?i1,u?i2,…,u?im)和uj=(u?j1,u?j2,…,u?jm)之间的相似程度rij=R(ui,uj)?[0,1],(i=1,2,…,n;j=1,2,…,m)从而构造出一个对象与对象之间的模糊相似矩阵下面介绍几种确定rij的常用方法.相似系数法相似系数法包括:数量积法、夹角余弦法、相关系数法、指数相似系数法、非参数相似程度法等等,例如,夹角余弦法相关系数法距离法*设d(ui,uj)表示对象ui和uj的距离,则d(ui,uj)越大,rij就越小,而d(ui,uj)越小,rij就越大。一般地,可取rij=1－c(d(ui,uj))?其中c和?是两个适当选取的正数,使rij∈[0,1]。在实际应用中,常采用如下距离来确定rij3214*贴近度法当对象ui=(ui1,ui2,…,uim)为模糊向量(即uik∈[0,1])时,ui与uj的相似程度rij可由如下方法确定最大最小法算术平均最小法几何平均最小法主观评定法在一些实际问题中,被分类对象的特性指标是定性指标,这是可请有关专家和有实际经验的人员用评分的办法来主观评定被分类对象间的相似程度。3.4.3模糊分类下面我们介绍四种常用的模糊分类方法.1.模糊传递闭包法(1)利用平方自合成方法求(2)对t(R)中的元素从大到小进行排序,设为1=?1?2??m然后按t(R)?进行分类,所得到的分类就是在?水平上的等价分类,具体聚类原则为:若,则在?水平上将对象ui和对象uj归为同一类.对?=?i(i=1,2,…,m),求出t(R)的?-截矩阵为了能直观地看到被分类对象之间的相关程度,通常将t(R)中所有互不相同的元素?=?i(i=1,2,…,m)水平上的等价分类画在同一个图上,即得动态聚类图.画动态聚类图例考虑某环保部门对该地区五个环境