模糊聚类分析方法 发表评论(0) 编辑词条
分类伴随着模糊性,将模糊数学中的有关概念与方法引进聚类分析,通过建立模糊相似关系,进而对客观事物进行分类。
(1)原始数据标准化
要构造模糊关系矩阵,必须对样本进行数据进行预处理,使样本数据压缩到[0,1]闭区间内,首先求出n个样本的第j个指标的平均值和标准差。
原始数据标准化值为
运用极值标准化公式,将标准化数据压缩到[0,1]闭区间内
其中 与 分别表示 中最小值和最大值。
(2)相似系数法——标定
为了建立模糊相似矩阵 ,引入相似系数
这里 表示两个样本 与 之间相似程度的变量,当 接近于1,表明这两个样本越接近。
的确定方法:
相关系数法:
归一化互信息
表示样本的表达数据在 个不同表达水平的发生率(概率)
距离法:欧氏距离
C选取适当的正数,使 在[0,1]区间内
(3)模糊相似矩阵——聚类
通过上述标定,得到模糊相似矩阵,反映了样本间的相似关系,但它只具有自反性和对称性,不具有传递性,此时,可以通过平方法得到 的传递闭包 ,而 就是论域上的一个模糊等价矩阵,选择不同的 值,得到不同的水平截集,得到动态聚类结果,生成动态聚类树。
(1)原始数据标准化
要构造模糊关系矩阵,必须对样本进行数据进行预处理,使样本数据压缩到[0,1]闭区间内,首先求出n个样本的第j个指标的平均值和标准差。
原始数据标准化值为
运用极值标准化公式,将标准化数据压缩到[0,1]闭区间内
其中 与 分别表示 中最小值和最大值。
(2)相似系数法——标定
为了建立模糊相似矩阵 ,引入相似系数
这里 表示两个样本 与 之间相似程度的变量,当 接近于1,表明这两个样本越接近。
的确定方法:
相关系数法:
归一化互信息
表示样本的表达数据在 个不同表达水平的发生率(概率)
距离法:欧氏距离
C选取适当的正数,使 在[0,1]区间内
(3)模糊相似矩阵——聚类
通过上述标定,得到模糊相似矩阵,反映了样本间的相似关系,但它只具有自反性和对称性,不具有传递性,此时,可以通过平方法得到 的传递闭包 ,而 就是论域上的一个模糊等价矩阵,选择不同的 值,得到不同的水平截集,得到动态聚类结果,生成动态聚类树。
附件列表
→如果您认为本词条还有待完善,请 编辑词条
词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。
0
收藏到:
同义词: 暂无同义词
关于本词条的评论 (共0条)发表评论>>