模糊聚类分析是一种数学方法，它使用模糊数学语言根据某些要求对事物进行描述和分类。模糊聚类分析通常是指根据研究对象的属性构造模糊矩阵，并在此基础上根据一定隶属度确定聚类关系，即样本之间的模糊关系由样本的数量来确定。模糊数学方法，以客观，准确地聚类。聚类是将数据集划分为多个类或集，以便每个类之间的数据差异应尽可能大，并且该类内的数据差异应尽可能小 基本覆盖
当涉及事物之间的模糊边界时，模糊聚类分析是一种根据某些要求对事物进行分类的数学方法。聚类分析是数学统计中的一种多元分析
方法是利用数学方法定量确定样品之间的关系，从而客观地分类类型。事物之间的某些界限是精确的，而其他界限则是模糊的。人中人脸的相似度之间的界限是模糊的，多云和晴天之间的界限也是模糊的。当聚类涉及事物之间的模糊界限时，应使用模糊聚类分析方法。模糊聚类分析广泛应用于气象预报，地质，农业，林业等领域。通常，聚类的事物称为样本，一组事物称为样本集。模糊聚类分析有两种基本方法：系统聚类和逐步聚类。 基本方法
基本流程
（1）通过计算样本或变量之间的相似系数，建立模糊相似矩阵；
（2）通过对模糊矩阵进行一系列综合变换，生成模糊等效矩阵。
（3）最后，根据不同的截获水平λ对模糊等效矩阵进行分类
系统聚类方法
铁道学报>明星合成6p>cad模型
系统聚类方法是一种基于模糊等价关系的模糊聚类分析方法。在经典聚类分析方法中，经典等价关系可用于对样本集X进行聚类。令R为X上的经典等价关系。对于X中的两个元素x和Y，如果XRY或（x，y）∈R ，然后x
椒图科技和y，否则X和y不属于同一类。 [3]
胡风反党集团
使用这种方法，分类的结果与α的值有关。 α的值越大，划分的类别越多。当α小于某个值时，X中的所有样本将被归为一类。该方法的优点是可以根据实际需要选择α值，以获得正确的分类。
系统聚类的步骤如下：
①用数字描述样品的特性。设要聚类的样本为x = {x1，xn}。每个样本具有p个特征，记录为Xi =（Xi1，xip）； i = 1，2，…，N； XIP是描述样本Xi的第p个特征的编号。
②相似系数Rij（0≤Rij≤1; I，j = 1，n）。Rij描述了样本Xi与XJ之间的差异或相似程度。 Rij越接近1，样本Xi和XJ之间的差异就越小； Rij越接近0，Xi和XJ之间的差异就越大。 Rij可以主观或集体评估
也可以通过公式计算，例如夹角的余弦法，最小最大值法和算术平均最小值法。由于RII = 1（Xi与自身之间没有差异），Rij = rji（Xi与XJ之间的差异等于XJ与XI之间的差异），可以获得X上的模糊相似关系。
通常，R不是传递的，因此r不一定是X上的模糊等价关系。
③通过使用合成操作r = R⋅R（或r = R⋅R等）获得最接近相似关系R的模糊等效关系s = R（或R等）。如果R已经是模糊等价关系，则s =R。
④选择适当的水平α（0≤α≤1），获得X的聚类。
秦皇岛教育学院
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议