模糊聚类分析步骤
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ifB(i,j）>＝k
D（ｉ，j）=１；
eｌｓｅ D（i，ｊ)=0;%求?截距阵，当bij≥?时，bij（？） =1；当bｉj＜?时,bij(?) =0
end
end
end
fprｉｎtｆ('当分类系数k＝:\n');
diｓp(L(m));
fpｒintf（'所得截距阵为：＼ｎ＇);
disp（D）；
eｎd
雨量站问题
原始数据矩阵：
（重要定理:设R F ( Ｘ X）是相似关系(即R是自反、对称模糊关系),则e(R) ＝ t(Ｒ) ，即模糊相似关系的传递闭包Hale Waihona Puke Baidu是它的等价闭包。)
Y的传递闭包（即Ｙ的等价矩阵)：
求 截矩阵,在程序中我用的k代替了 。
K＝1时,x1,x2,x３，…x１1，各成一类，将11个雨量站分成11类。
eｎd
enｄ
end
ifＢ==R
flag=1;
ｅlｓe
R＝B；%循环计算R传递闭包
ｅnd
enｄ
程序四：求 截矩阵：
functioｎ[D ｋ] =ｊｊz4(Ｂ)
Ｌ=ｕｎique(B）';
a=siｚｅ(B);
Ｄ=zeroｓ（ａ）;
form=lengｔh（L):-1：1
ｋ＝L(m);
fori=1:ａ
foｒｊ＝1:a
K＝０.9095时，将11个雨量站分为10类，X8,X11为一类，其余各自一类。
分8类，将x2,x5,x8,ｘ１1分一类，其余各自一类
分６类，x2ｘ３，ｘ5,ｘ8,x９x11为一类，其余各自一类。
分４类，ｘ1,x２，ｘ3,x5,x7，x8，ｘ９ｘ11为一类，其余各自一类。
分４类,x1,ｘ３x2x７x8x9ｘ11为一类,ｘ2ｘ4x5为一类,x6一类,x10一类。
分3类，x２ｘ４x5ｘ6为一类,x1x3x７ｘ８x9x11一类，x１0一类。
分2类,ｘ2x4ｘ5x6x1０一类,x1x３x7x８ｘ9x1１一类
分２类,x１x2x4x5x6x1０一类，x３x8x９x11一类.
分1类。
程序一:标准化矩阵:
functionＹ=ｂｚh１(X）
[a，ｂ]＝sizｅ(X);
C＝mａx(X）;
模糊聚类分析步骤
————————————————————————————————作者:
————————————————————————————————日期：
求分类对象的相似度
传递闭包法进行聚类（求动态聚类图）
根据 (0,１)的不同取值分布不同的类。
注释(1):模糊相似矩阵只具有自反性和对称性，不具有传递性，求 截矩阵的前提是R是Ｘ上的的模糊等价关系。所以要先求得R传递闭包，将模糊相似矩阵转化为模糊等价矩阵。
［a,b］＝siｚe(Y);
Ｚ＝zｅrｏs(a）;
Ｒ=ｚｅrｏs(ａ);
fｏri＝１:a
forj=1:a
forｋ=1:b
Z(ｉ,ｊ)=ａbs(Y(i,ｋ)-Y（j,ｋ))+Z(i,j);
Ｒ(i，j)=1－ｃ*Z(i,j）;%绝对值减数法-－欧氏距离求模糊相似矩阵
end
ｅnｄ
ｅnｄ
ｆｐriｎtf（'模糊相似矩阵如下：R=\ｎ');
Ｄ=min(X);
Ｙ＝ｚeros(a,b);
fori=１:a
forj＝1：b
Y(ｉ,ｊ）=(X(ｉ，ｊ)-D(j))／（C(j）-D(ｊ))； %平移极差变化进行数据标准化
end
end
ｆprｉntf('标准化矩阵如下:Y=＼n＇);
dｉsp(Ｙ)
eｎd
程序二:求模糊相似矩阵：
funcｔｉｏnR＝biaｏd2（Y,c)
ｄisｐ(R)
end
程序三：计算传递闭包：
functionB=ｃd３(R)
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
D（ｉ，j）=１；
eｌｓｅ D（i，ｊ)=0;%求?截距阵，当bij≥?时，bij（？） =1；当bｉj＜?时,bij(?) =0
end
end
end
fprｉｎtｆ('当分类系数k＝:\n');
diｓp(L(m));
fpｒintf（'所得截距阵为：＼ｎ＇);
disp（D）；
eｎd
雨量站问题
原始数据矩阵：
（重要定理:设R F ( Ｘ X）是相似关系(即R是自反、对称模糊关系),则e(R) ＝ t(Ｒ) ，即模糊相似关系的传递闭包Hale Waihona Puke Baidu是它的等价闭包。)
Y的传递闭包（即Ｙ的等价矩阵)：
求 截矩阵,在程序中我用的k代替了 。
K＝1时,x1,x2,x３，…x１1，各成一类，将11个雨量站分成11类。
eｎd
enｄ
end
ifＢ==R
flag=1;
ｅlｓe
R＝B；%循环计算R传递闭包
ｅnd
enｄ
程序四：求 截矩阵：
functioｎ[D ｋ] =ｊｊz4(Ｂ)
Ｌ=ｕｎique(B）';
a=siｚｅ(B);
Ｄ=zeroｓ（ａ）;
form=lengｔh（L):-1：1
ｋ＝L(m);
fori=1:ａ
foｒｊ＝1:a
K＝０.9095时，将11个雨量站分为10类，X8,X11为一类，其余各自一类。
分8类，将x2,x5,x8,ｘ１1分一类，其余各自一类
分６类，x2ｘ３，ｘ5,ｘ8,x９x11为一类，其余各自一类。
分４类，ｘ1,x２，ｘ3,x5,x7，x8，ｘ９ｘ11为一类，其余各自一类。
分４类,x1,ｘ３x2x７x8x9ｘ11为一类,ｘ2ｘ4x5为一类,x6一类,x10一类。
分3类，x２ｘ４x5ｘ6为一类,x1x3x７ｘ８x9x11一类，x１0一类。
分2类,ｘ2x4ｘ5x6x1０一类,x1x３x7x８ｘ9x1１一类
分２类,x１x2x4x5x6x1０一类，x３x8x９x11一类.
分1类。
程序一:标准化矩阵:
functionＹ=ｂｚh１(X）
[a，ｂ]＝sizｅ(X);
C＝mａx(X）;
模糊聚类分析步骤
————————————————————————————————作者:
————————————————————————————————日期：
求分类对象的相似度
传递闭包法进行聚类（求动态聚类图）
根据 (0,１)的不同取值分布不同的类。
注释(1):模糊相似矩阵只具有自反性和对称性，不具有传递性，求 截矩阵的前提是R是Ｘ上的的模糊等价关系。所以要先求得R传递闭包，将模糊相似矩阵转化为模糊等价矩阵。
［a,b］＝siｚe(Y);
Ｚ＝zｅrｏs(a）;
Ｒ=ｚｅrｏs(ａ);
fｏri＝１:a
forj=1:a
forｋ=1:b
Z(ｉ,ｊ)=ａbs(Y(i,ｋ)-Y（j,ｋ))+Z(i,j);
Ｒ(i，j)=1－ｃ*Z(i,j）;%绝对值减数法-－欧氏距离求模糊相似矩阵
end
ｅnｄ
ｅnｄ
ｆｐriｎtf（'模糊相似矩阵如下：R=\ｎ');
Ｄ=min(X);
Ｙ＝ｚeros(a,b);
fori=１:a
forj＝1：b
Y(ｉ,ｊ）=(X(ｉ，ｊ)-D(j))／（C(j）-D(ｊ))； %平移极差变化进行数据标准化
end
end
ｆprｉntf('标准化矩阵如下:Y=＼n＇);
dｉsp(Ｙ)
eｎd
程序二:求模糊相似矩阵：
funcｔｉｏnR＝biaｏd2（Y,c)
ｄisｐ(R)
end
程序三：计算传递闭包：
functionB=ｃd３(R)
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