模糊聚类分析

        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。