matlab 分级聚类,Matlab学习系列23. 模糊聚类分析原理及实现

23. 模糊聚类分析原理及实现

聚类分析，就是用数学方法研究和处理所给定对象，按照事物间的相似性进行区分和分类的过程。

传统的聚类分析是一种硬划分，它把每个待识别的对象严格地划分到某个类中，具有非此即彼的性质，这种分类的类别界限是分明的。

随着模糊理论的建立，人们开始用模糊的方法来处理聚类问题，称为模糊聚类分析。由于模糊聚类得到了样本数与各个类别的不确定性程度，表达了样本类属的中介性，即建立起了样本对于类别的不确定性的描述，能更客观地反映现实世界。

本篇先介绍传统的两种(适合数据量较小情形，及理解模糊聚类原理)：基于择近原则、模糊等价关系的模糊聚类方法。

(一)预备知识

一、模糊等价矩阵

定义1设R=(r ij )n ×n 为模糊矩阵，I 为n 阶单位矩阵，若R 满足 i) 自反性：I ≤R (等价于r ii =1)； ii) 对称性：R T =R;

则称R 为模糊相似矩阵，若再满足

iii) 传递性：R 2

≤R (等价于1

()n

ik kj ij k r r r =∨∧≤)

则称R 为模糊等价矩阵。

定理1设R 为n 阶模糊相似矩阵，则存在一个最小的自然数k