模糊数学及应用——（二）

一、模糊聚类

• 模糊聚类分析：为了解决客观世界中存在的界限不分明的聚类问题。

• 依据事物的某些属性将其聚集成类，属性值包括数值属性和符号属性。

• 分类后类与类之间的相似性尽量小，而同类之间的的相似性尽量大。

模糊聚类的方法

• 系统聚类法
• 传递闭包法（理论成熟，易于实现）
• 最大支撑树Prim算法
• Kruskal算法
• 动态直接聚类法
• 模糊C-均值聚类法
• 人工神经网络模糊聚类法等

这里主要对传递闭包法进行介绍。

传递闭包法步骤

下面给出一道例题：

模糊聚类的步骤：
1、依题意写出特性指标矩阵
2、数据格式化
3、构造模糊相似矩阵
4、求出模糊相似矩阵的传递闭包
5、进行分类

---

二、模糊综合评价

在模糊数学领域中，模糊综合评价是一种基于模糊集合理论的评价方法，它用于处理那些因素或变量不完全明确或不确定的情况。模糊综合评价旨在将各种评价因素或指标结合起来，为复杂的决策问题提供一个模糊的、综合的评价结果。

具体来说，模糊综合评价通常包括以下几个步骤：

1. 确定评价指标或因素：首先，明确需要评价的各个指标或因素，并为每个指标或因素建立相应的模糊集。

2. 建立隶属函数：为每个评价指标或因素建立隶属函数，描述该指标或因素在不同程度上满足某一评价标准或范围。

3. 模糊化处理：对收集到的实际数据进行模糊化处理，将其转化为隶属于相应模糊集的隶属度。

4. 模糊逻辑运算：利用模糊集合理论中的运算（如模糊交、模糊并、模糊补等）对各个评价因素或指标的模糊值进行组合和处理，得到一个综合的模糊评价结果。

5. 解模糊化：最后，通过某种解模糊化方法（如平均法、最大隶属度法等）将模糊评价结果转化为具体的数值或等级，以支持决策或比较。

通过模糊综合评价，可以有效地处理各种不确定性和模糊性，为决策者提供一个相对综合和客观的评价结果。这种方法在工程、经济、管理、环境等多个领域都有广泛的应用。

---

三、其他应用

• 模糊模式识别：几何图形识别、手写字体识别
• 模糊推理
• 模糊控制

这里不做介绍。

---