聚类分析matlab原理,matlab笔记模糊聚类分析原理及实现023.docx

matlab笔记模糊聚类分析原理及实现023.docx

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RRIJNN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RII1)；II对称性RTR则称R为模糊相似矩阵，若再满足III传递性R2≤R(等价于)1NIKJIJRR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(KLAMDAM1YX例3某地区设有11个雨量站，其分布如图所示10年来各雨量站测得的年降雨量表如下现因经费问题，希望撤销几个雨量站，问撤销哪些雨量站而不会太多地减少降雨信息分析对11个雨量站进行模糊聚类，同一类的只需保留一个即可。比如，已知该市决定撤销6个只保留5个雨量站，则模糊聚类为5类。代码LOADDATA数据归一化X,PSMAPMINMAXDATA ,0,1XX 选择计算相似程度的方法TYPE3C01,A1,此时也称绝对值减数法求模糊相似矩阵R0R0FUZ_DISTANCEX,TYPE将模糊相似矩阵R0改造成模糊等价矩阵RR,KTRAN_RR0求将样本分成8类的Λ截矩阵R_LAMDAFUZ_LAMDAR,8运行结果及说明归一化后的数据矩阵X模糊相似矩阵R0由R0改造成的模糊等价矩阵RK8说明R16R8将样本分为5类的Λ截矩阵R_LAMDA可以判断5类分别是{X1,X7}{X2,X4,X5,X6}{X3,X9}{X8,X11}{X10}注对于这类C均值模糊聚类问题，也可以直接调用MATLAB自带的模糊聚类函数FCMM求解。调用方式CENTER,U,OBJ_FCN,FATA,CLUSTER_N其中，DATA为归一化后的样本数据，每一行是一个样本；CLUSTER_N为聚类数；CENTER返回最终的聚类中心矩阵；U为最终的模糊分区矩阵；OBJ_FCN为迭代过程中的目标函数值(越小越好)。代码(X为前面已归一化的样本数据)CENTER,U,OBJ_FCNFCMX,5MAXUMAXUINDEX1FINDU1,MAXU第一类INDEX2FINDU2,MAXU第二类INDEX3FINDU3,MAXU第三类INDEX4FINDU4,MAXU第四类INDEX5FINDU5,MAXU第五类CLASS1XINDEX1,第一类中的样本数据CLASS2XINDEX2,第二类中的样本数据CLASS3XINDEX3,第三类中的样本数据CLASS4XINDEX4,第四类中的样本数据CLASS5XINDEX5,第五类中的样本数据运行结果略，对比CLASS1CLASS5与X,得到分类结果与前文相同。另外，分为5类的OBJ_FCN10578,如何选取合适的分类数，使得OBJ_FCN达到最小(最优模糊聚类)放到下一篇。