1、m为模糊矩阵,对任意的0,1, 作矩阵其中,称为模糊矩阵A的-截矩阵。显然,A为布尔矩阵,且其等价性与与A一致。意义:将模糊等价矩阵转化为等价的布尔矩阵,可以得到有限论域上的普通等价关系,而等价关系是可以分类的。因此,当在0,1上变动时,由A得到不同的分类。若12, 则A1A2, 从而由A2确定的分类是由A1确定的分类的加细。当从1递减变化到0时,A的分类由细变粗,逐渐归并,形成一个分级聚类树。例1 设U=u1, u2, u3, u4, u5, 对给定的U上的模糊等价关系让从1到0变化,观察分类过程。 (1) 当=1时,分类结果为5类:(每行代表一类,1代表对应元素在该类)u1, u2, u3
2、, u4, u5 (2) 当=0.8时,分类结果为4类:u1, u3, u2, u4, u5 (3) 当=0.6时,分类结果为3类:u1, u3, u2, u4, u5 (4) 当=0.5时,分类结果为2类:u1, u3, u4, u5, u2 (4) 当=0.4(R中的最小值)时,分类结果为1类:u1, u2, u3, u4, u5整个动态分类过程如下:(二)基于择近原则的模糊聚类择近原则就是利用贴近度来实现分类操作,贴近度用来衡量两个模糊集A和B的接近程度,用N(A,B)表示。贴近度越大,表明二者越接近。设论域有限或者在一定区间,即U=u1, u2, , un或U=a,b, 常用的贴近度有
3、以下三种: (1) 海明贴近度(2) 欧氏贴近度(3) 格贴近度其中,.Matlab实现:格贴近度的实现函数fuz_closing.mfunction y=fuz_closing(A,B,type) %要求A与B列数相同的行向量m,n=size(A);switch type case 1 %海明贴近度 y=1-sum(abs(A-B)/n; case 2 %欧氏贴近度 y=1-(sum(A-B).2)(1/2)/sqrt(n); case 3 %格贴近度 y1=max(min(ones(m,n)-A,ones(m,n)-B); %ones(m,n)-A等于Ac y2=max(min(A,B);
4、 y=min(y1,y2);end例2 设某产品的质量等级分为5级,其中一级有5种评判因素u1, u2, u3, u4, u5. 每一等级的模糊集为B1=0.5 0.5 0.6 0.4 0.3B2=0.3 0.3 0.4 0.2 0.2B3=0.2 0.2 0.3 0.1 0.1B4=0.1 0.1 0.2 0.1 0B5=0.1 0.1 0.1 0.1 0假设某产品各评判因素的值为A=0.4 0.3 0.2 0.1 0.2, 问该产品属于哪个等级?代码:A=0.4 0.3 0.2 0.1 0.2;B=0.5 0.5 0.6 0.4 0.3; 0.3 0.3 0.4 0.2 0.2; 0.2
5、0.2 0.3 0.1 0.1; 0.1 0.1 0.2 0.1 0; 0.1 0.1 0.1 0.1 0;for i=1:5 haiming(i)=fuz_closing(A,B(i,:),1); oushi(i)=fuz_closing(A,B(i,:),2); ge(i)=fuz_closing(A,B(i,:),3);haimingoushige运行结果: haiming = 0.7800 0.9200 0.9000 0.8600 0.8400oushi = 0.5081 0.9106 0.8658 0.6870 0.6422ge = 0.4000 0.3000 0.2000 0.20
6、00 0.1000可见样本A与各等级的格贴近度分别为0.4, 0.3, 0.2, 0.2, 0.1, 故可认为该产品属于B1等级。若按令两种贴近度判断,该产品属于B2等级。(三)基于模糊等价关系的模糊聚类一、算法步骤1. 样本数据归一化设X=x1, x2, , xn为要分类的n个样本,每个样本有m个指标,即xi= xi1, xi2, , xim, i=1,2,.,n得到原始数据矩阵X=( xij)nm.由于不同指标的数据量纲不同,为了使数据能够比较,要先对X做归一化处理。2. 建立模糊相似矩阵R先建立样本xi与xj相似程度rij, 进而构造模糊相似矩阵R=(rij)nn建立rij常用的方法有:
7、(1) 相似系数法 夹角余弦法: 相关系数法:(2) 距离法 一般取 rij=1-c(d(xi,xj), 其中c和为适当选取的参数,使得0rij1. 常用的距离有:海明距离:欧氏距离:切比雪夫距离:(3) 贴近度法 最大最小法: 算术平均最小法: 几何平均最小法:3. 求出R的传递闭包t(R)即改造相似关系为等价关系:令, 再令, , 直到满足与Rl相等,即为t(R), 仍记为R. 4. 选取合适的, 利用-截矩阵R进行分类(参考例1)。二、Matlab实现求模糊相似矩阵R的函数:fuz_distance.mfunction R=fuz_distance(x,type)%x为归一化的数据矩阵,
8、 type选择计算相似程度的方法%返回模糊相似矩阵Rn,m=size(x);%距离法的选择参数c和a, 需要根据具体情况修改以保证R(i,j)属于0,1c=0.1;a=1; for i=1:n for j=1: switch type case 1 %夹角余弦法 R(i,j)=(x(i,:)*x(j,:)/(norm(x(i,:),2)*norm(x(j,:),2); case 2 %相关系数法 Dxi=abs(x(i,:)-mean(x(i,:); Dxj=abs(x(j,:)-mean(x(j,: R(i,j)=(Dxi*Dxj)/(norm(Dxi,2)*norm(Dxj,2); cas
9、e 3 %海明距离法 d=sum(abs(x(i,:)-x(j,: R(i,j)=1-c*da; case 4 %欧氏距离法 d=norm(x(i,: case 5 %切比雪夫距离法 d=max(abs(x(i,: case 6 最大最小(贴近度)法 R(i,j)=sum(min(x(i,:);x(j,:)/sum(max(x(i,:); case 7 算术平均最小(贴近度)法 R(i,j)=2*sum(min(x(i,:)/sum(x(i,:)+x(j,:); case 8 %几何平均最小(贴近度)法 R(i,j)=sum(min(x(i,:)/sum(sqrt(x(i,:).*x(j,:
10、end end end求R的传递闭包t(R)的函数:tran_R.mfunction B,k=tran_R(R)% R为模糊相似矩阵, 循环构造满足传递性的t(R)%k为满足R2k = Rk的最小的自然数kn=length(R);B=zeros(n,n);flag=0;k=1/2;while flag=0 B=fco(R,R); %做模糊合成运算 k=2*k; if B=R flag=1; else R=B; %循环计算R传递闭包 end上面的函数tran_R.m调用函数矩阵模糊合成算子函数:fco.mfunction B=fco(Q,R)%实现模糊合成算子的计算, 要求Q的列数等于R的行数n,m=size(Q);m,l=size(R);B=zeros(n,l); for k=1:l B(i,k)=max(min(Q(i,:R(:,k); end 求t(R)的-截矩阵的函数:fuz_lamda.mfunction y=fuz_lamda(X,m)%用-截矩阵将样本分成m类, m总样本数lamda=unique(X); %根据R中的值取值%unique函数取矩阵不重复元素组成向量并从小到大排好序X(find(X=lamda(m)=1;y=X;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
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1