模糊聚类:根据模糊标准对事物进行分类的方法称为模糊聚类分析。
传统的模糊聚类分析方法:一个对象xi相应的多个性质用量化的值表示,构成一个向量,即x=(z1,z2,...,zn)。下面引入欧氏距离和夹角余弦的概念。||x-y||=sqrt((zx1-zy1)^2+...+(zxn-zyn)^2),cosα=(x,y)/(||x||*||y||)。欧式距离反映对象每个性质之间的差异,夹角余弦反映对象总体的差异。
举例:设有五个对象x1,x2,x3,x4,x5,每个对象只有一个性质,数量化后值为1、2、4.5、6、8。
首先计算所有对象向量的欧式距离,x1与x2最小,归为一类G1,G1的平均值取1.5,并将其作为一个对象,计算G1与x3,x4,x5的欧式距离,x3与x4的欧式距离最小,归为G2类,值取5.25,再计算G2与G1,x5的欧式距离,G2与X5欧式距离最小,归为一类G3。
基于模糊等价关系的模糊聚类分析。有原始矩阵构造相识度关系矩阵,得到模糊等价矩阵,去λ截集,得到具体分类。
举例:设环境质量的好坏通过空气、水、土、植被四个指标,现在对五个地方进行分类。
形成相识矩阵的方法有数量积法、余弦振幅法、相关系数法、最大最小值法、算数平均值法、集合平均最小法、绝对值指数法、绝对值减数法。这里使用了数量积法:rij=1.(i=j),rij=1/M*(∑xik*xjk),其中M=max(∑xik*xjk)。得到相似矩阵后,进行幂运算直到形成传递闭包,就得到了模糊等价矩阵,做λ截集就得到相应分类。由于实际应用中求传递闭包可能运算量较大,下面是可以直接在模糊相似矩阵上直接分类的方法。
直接聚类法:直接在相似矩阵上取λ截集。
最大树法:根据相似矩阵形成一个模糊树,从某个顶点出发,选择权值最大的连线且不形成回路,直到所有点被连接,然后取水平截集。
模糊聚类与模糊识别的关系。模糊聚类事先不知道分类的类别,模糊识别是已经知道分类类别的情况下进行的。模糊分类的结果为模糊识别提供模板依据。