模糊聚类分析

感觉 PPT 有点乱,这里整理一下。

基于模糊等价矩阵的聚类分析方法

主要步骤有三个:

  1. 建立模糊矩阵
  2. 建立模糊等价矩阵
  3. 聚类(求动态聚类图)

下面将分别介绍

建立模糊矩阵

U = u 1 , u 2 , … , u n U ={u_1, u_2, …, u_n } U=u1,u2,,un 为待分类的全体对象,其中每个待分类对象由一组数据表征如下:
u i = u_i = ui= { x i 1 , x i 2 , . . . , x i m x_{i1},x_{i2}, ..., x_{im} xi1,xi2,...,xim }
问题转化为:如何建立对象 u i 与 u j u_i 与 u_j uiuj 之间的相似关系,其中 i , j ∈ [ 1 , n ] i, j \in [1, n] i,j[1,n]

建立模糊相似矩阵

建立模糊相似矩阵的注意事项:

  • r i j ∈ [ 0 , 1 ] r_{ij} \in [0, 1] rij[0,1]
  • 自反
  • 对称

主要过程如下

数据预处理——数据标准化

设论域 U ={x1, x2, …, xn } 为待聚类对象,每个对象由 m 个指标表示其性状:
x i = x_i= xi={ x i 1 , x i 2 , . . . , x i m x_{i1},x_{i2}, ..., x_{im} xi1,xi2,...,xim}
将原始数据矩阵中的元素通过适当的变换压缩到 [0, 1] 上。

有如下两种常用的方法

平移-极差变换(变换至0-1区间)

在这里插入图片描述

平移-标准差变换(消除量纲)

值得一提的是,这种方法不一定会把原始数据矩阵中的元素压缩到 [0, 1] 上
在这里插入图片描述
值得一提的是这里的标准差是总体标准差,而不是样本标准差。

模糊相似矩阵的建立

相似系数法
数量积法

在这里插入图片描述

其中M为一适当选择的正数,满足
在这里插入图片描述

此时, r i j ∈ [ − 1 , 1 ] r_{ij} \in [-1, 1] rij[1,1],若存在 r i j &lt; 0 r_{ij} &lt; 0 rij<0,令所有 r i j ′ = ( 1 + r i j ) / 2 r_{ij}&#x27;=(1+r_{ij})/2 rij=(1+rij)/2 使得 r i j ′ ∈ [ 0 , 1 ] r_{ij}&#x27; \in [0, 1] rij[0,1]

夹角余弦法

在这里插入图片描述

相关系数法

在这里插入图片描述

指数相似系数法

在这里插入图片描述指数相似系数法中一行表示一个样本的多个属性。

最大最小法

在这里插入图片描述

算数平均最小法

在这里插入图片描述

几何平均最小法

在这里插入图片描述
上述三种方法要求 xij>0,否则也要作适当变换。

距离法
绝对值倒数法

在这里插入图片描述

绝对值减数法

在这里插入图片描述

绝对值指数法

在这里插入图片描述

直接距离法

r i j = 1 − c ∗ d ( x i , x j ) r_{ij}=1-c*d(x_i, x_j) rij1cd(xi,xj)
海明距离
在这里插入图片描述
欧式距离
在这里插入图片描述
切比雪夫距离
在这里插入图片描述

主观评分法

专家直接给出相似度,专家数为 N,r_{ij}(k)表示第 k 个专家给出的 i 与 j 的相似度, a i j ( k ) a_{ij}(k) aij(k)为专家的自信度。
在这里插入图片描述

建立模糊等价矩阵

相似关系->等价关系

一般采用平方法来求传递闭包,也就是模糊等价矩阵

计算次数如下:
模糊相似矩阵 5×5
k = [log25]+1=2+1=3
最坏情况下, R − &gt; R 2 − &gt; R 4 − &gt; R 8 , 计 算 到 R 8 R -&gt; R^2 -&gt; R^4 -&gt; R^8,计算到R^8 R>R2>R4>R8R8

聚类(求动态聚类图)

对传递闭包依次取截关系

直接基于模糊相似矩阵聚类

建立模糊相似矩阵 R 后,求其传递闭包 t® 计算量较大。
若直接从 R 出发,进行聚类,会怎么样?

  • 7
    点赞
  • 44
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值