模糊数学 3、模糊聚类
------------------------2020.8.17更新------------------------------
模糊数学视频链接:https://pan.baidu.com/s/1_JBbmzcaiG8M1ZZ9TfZb8g
提取码:46z7
------------------------2020.8.17更新------------------------------
模糊数学 1、模糊集、隶属度函数、如何确定隶属度函数
模糊数学 2、基本的一些模糊矩阵,以及模糊矩阵的运算
模糊数学 3、模糊聚类
模糊数学 4、模糊模式识别
模糊数学 5、模糊综合评判
懒了几天了,把模糊数学后面的学了,继续总结一下。
模糊聚类
首先是数据的标准化
假设有m个对象,每个对象有n个特征来描述,构成的矩阵就是m*n的一个矩阵(行i代表一个对象,列j代表一个特征,(i,j)就是滴i个对象的第j个特征的值),每个特征的衡量的量纲不一样,所以我们要对数据进行标准化(或者叫归一化),即把每个特征的取值都变到0-1之间
建立模糊相似矩阵
归一化以后,我们想知道两个对象(矩阵的两行)是相似还是不相似呢?我们用相似度来判断两个对象是否相似,那么可以得到m*m的相似矩阵R(因为有m个对象,而且这个矩阵是对称矩阵)。
这个相似度怎么算呢,有以下几种方法:
1、相似系数法。比如夹角余弦法、相关系数法。主要思想是把每个对象看成一个向量,计算向量间的一些数学关系。
2、距离法。比如欧氏距离、海明距离、切比雪夫距离、曼哈顿距离等等。思想就是把每个对象看成高维空间的一个点,计算点之间的距离。
3、贴近度法。模糊数学特有的一种方法,比如最大最小法,算术平均最小法、几何平均最小法。主要是利用模糊数学中的一些运算,我贴张图。
利用随便哪种方法,按公式就求得出对象两两之间的相似度,组成相似矩阵R。
计算传递闭包矩阵
课件介绍的是用平方法求传递闭包,意思就是说对R不断平方,直到平方后的值与平方前的值一样,就算是找到传递闭包矩阵了。
画动态聚类图
说之前先介绍一个模糊矩阵的\(\lambda\)-截矩阵,主要就是说我们给定一个值\(\lambda\),矩阵中比\(\lambda\)大的变成1,小的变成0。就把被截的那个矩阵变成0/1的布尔矩阵了。
开始画动态聚类图:
1、对刚计算出来的传递闭包矩阵的所有元素排个序(一般只有m个数,m是对象个数(这个我没仔细研究,做过几个列子都是))
2、\(\lambda\)分别取排序的那几个数,去截传递闭包矩阵,可以得到一堆的布尔矩阵。
个人拙见
我是觉得最后一步没啥必要,我们人为给定一个相似度的阈值\(\lambda\),不就好了,相似度比这个大的我们认为是一类,比这个小的我们认为是另外一类。
至于要不要算传递闭包,我觉得这个操作的物理含义我还要思考下,为什么要做这一步,不做这一步直接截原始的相似度矩阵R会得出奇怪的结论。
比如上面这个,我定义\(\lambda\)=0.6,有个奇怪的的结论。1、3、4一类。2、4一类,5单独一类。这个四咋会既属于这一类又属于哪一类,就比较奇怪。难倒1、2、3、4是一类?显然2和1的相似度没有0.6呀。
我还要思考一下