当前课程知识点:数学建模 > 第7章 模糊信息处理 > 7.4 模糊聚类分析 > 7.4 模糊聚类分析
大家好
我们上节课已经介绍了模糊综合决策的模型
那我们现在针对我们的不确定性或者模糊性
我们介绍另外一种方法叫模糊聚类分析
模糊聚类分析用到的主要的概念呢
有些它的结论主要是关系也就换句话说
关系跟模糊关系的东西
所以我们这里面 首先把关系或者说特殊的关系
我们跟它顺一下
那么在说关系的时候呢
我们一般来说关系分为这么几类
一类叫自反关系跟反自反关系
一类我们的对称关系还有呢我们的传递关系
那么这几列什么叫自反关系呢
那我们接下来给它一个定义
如果关于X跟X都属于一个关系r的话
我们称为r是一个自反的
反过来说
如果自己跟自己x跟x不属于R的话
我们认为它属于反自反的
这是我们说自反跟反自反 那么很自然的话
如果把这个论域呢 看成是有限的论域
有限的论域的话 关系的就是一个矩阵
关系就是一个矩阵
如果自己根属于自己的话
那么换句话说
那个对角线上就应该是1啦
于是呢 就会有这么一个结论
如果r要是自反的话
那么它的单位矩阵一定比r来的小
包含在r里面 一样的反过来说
如果它是反自反的话
那么对角线都是零呢
那么跟单位矩阵交起来还能有吗
那就只能是空集了
只能是空集了
这是我们的自反关系
那么 第二种关系呢 就是我们的对称关系
跟反对称关系
那么对称关系从字面上非常好理解
xy要属于R的话
那么y跟x也属于R
那么我们就是对称的了就是对称的
否则的话
它就属于非对称的
想象一下
如果我们的a要是一个有线的集合
那么关系呢就是个矩阵 关系就是个矩阵
如果说我们xy属于R
那么 y跟x也属于R
那么大家想
要么对称位上大家都是1 要么对称位上大家都是0
那么同时为1同时为0 很显然
我们说这个矩阵的就关于对角线就应该是对称的了
如果是非对称
大家就可以想象 你这边属于那边就不属于
那边不属于这边就属于 所以呢
大家就可以想象 对称位置上的它是1对方是个0
它是0对方也就是1了
这时候我们作对称关系
最后介绍一种叫传递关系
属于传递关系 从字面上非常好理解就是具有传递性
就是具有传递性
也就是我们说的xy属于R
并且y跟z要属于R的话
那么它就能够 这条线能够走下去
x跟z呢 就要属于R了
满足这种性质 我们把它称之为传递性
传递性的刻画就不像我们刚才的 对吧
有限论域里面的看得出来 对吧
主对角线是1或者是对称数相等
那么传递性呢 它的刻画用数学本身的刻画
就是用的R平方
要包含在R里面
R平方要包含在R里面
所以R平方就是R跟R的一种合成了
我们称为R平方
好的 这是我们说的普通的关系
那落实到我们
模糊性里面来说 就是讨论的模糊关系了
所以我们把这几个概念给它延伸过来
除了模糊自反关系
除了模糊对称关系 模糊的传递关系
那么 除了模糊的自反关系就是我们刚才跟刚才一样的
自己跟自己一定要在这里面
所以rx x要等于1
如果把它想象成有限论域
那就是我们的矩阵总分相向一定要适应
如果是对称关系的话
那就对称位置上的R 一定要相等
如果是模糊传递关系
也就是r的平方一定要包含在R里面的
好的 把这三者的关系
我们稍微揉一揉
例如模糊的相似关系就是我们说的
既要是自反关系
还要是对称关系
除了模糊等价关系的话
那就三者全要 自反关系对称关系跟传递关系
那么有了等价关系
大家可以想象那就可以做等价分类
那么可以做等价分类的话 那么很自然的话
就是我们说的模糊聚类分析的一个重要的一个理论基础
但是我们可以想象一下
对于有限论域来说
数了自反性 数所对称性呢
我们从那关系矩阵都可以看得出来
但是呢 传递性就看不出来了
传递性我们要生算
r平方是不是包含在r里面 对吧
所以这么一来的话
我们开玩笑说
对这三种性质自反性对称性跟传递性
传递性的最比较啰嗦的 比较难的一个东西了
所以我们开玩笑说
一般来说很难满足
一般来说很难满足 那这个时候怎么办呢
我们就开始有这么一个想法
就开始基于我们说能不能把它改造过来
能不能让添加这种传递性上去
能不能把存的钱添加上去
于是呢
我们就开始给出个概念叫传递闭包
传递闭包
所以传递闭包的话
严格的数学定义是这么来说的
说S 是一个模糊矩阵 对吧
首先要比S要来的大要包含S
包含S
但是呢 对于别人都具有模糊传递性的内容呢
要是最小的
也就是包含S最小的模糊传递矩阵
我们把它称作为它的传递闭包
所以从这里面来看的话
我们实际上强调的有这三点强调了有三点 对吧
如果我们说把S的传递闭包记着为tS的话
那就tS首先要满足传递性
满足传递性也就tS平方要包含在tS里面
这是我们第一个 第二个一定要比S来得大
因为你S本身没有嘛
那么一定要比它来的大
那就是我们的tS要包含S
第三个一定要是最小的
在所有的满足这种情况之下呢
它一定做最小的 也就换句话说
对于另给的一个r
比s大 对吧
它又蛮有传递性
两个平方就包含在r里面
那么我们说这种r呢
一定要比我的ts要来得大
所以ts一定是最小的
这是我们的传递闭包的概念
这么一来的话 那就牵扯了
我们的传递闭包的计算 传递闭包的计算
那么接下来我们给出这几个结论
例如我们说一个传递闭包记着为r的话
那就tr啦 tr的话
首先第一种呢
计算呢就r的k次方 k从1一直可以变到无穷上去
那么这一来的话算起来给人家感觉
就没完没了的事情
那么第二个结论马上就退回来了
如果它只有n个元素构成有限论域的话
也就是说 r就是n乘n的一个决策
那我们从这里面可以看得出来
我只要计算得了计算r一次方两次方三次方
一直到r的n次方 把它做并就可以了
所以呢 这样表明我们可以跟它算出来了
第三个结论说什么东西说呢
说的 我们说 如果r他本身还有一些好的性质
它是相似矩阵
所以相似矩阵就满足自反性 满足对称性
那么我们做了k次方
做了乘方以后
r的k次方以后仍然是一个模糊相似矩阵
仍然是一个模糊相似矩阵
那么第四个 最后一个结论就说模糊相似矩阵
如果r是模糊相似矩阵的话
我们说通过它不断地乘乘乘到以后
r的k次方以后 一定会存在这么一件事情 对吧
比k大的r的l次方
它们两个能够相等 它们两个能够相等
也就换句话说 通俗来理解的话
也就乘到一定的时候
r的k次方
它应该是收敛下去了
它就该收敛下去了
那么 这种k呢
我们说一定是存在一个k小于等于n的
好的 如果是这种时候的话
大家可以设想一下
r本身是个相似矩阵 r的k次方就是个相似矩阵
如果又能够乘到相等的话
tr又具有传递性 所以大家可以想象
这个时候tr就是一个模糊等价矩阵
模糊等价矩阵
那么很自然的话
我就可以对它进行等价分类
对它进行等价分类 于是呢
我们接下来看这么一个例子
x呢是12345 x1x2x3x4x5
我们假设得到了这么一个模糊矩阵
那么从这个矩阵里面可以看得出来
主对角线是1
对称位置上都是相等的
所以我们可以判断
r呢就是一个模糊的相似矩阵
r是一个模糊相似矩阵
那是不是传递性的
那就开始要算一下
r的平方是不是包含在r里面的
那我经过算一下
我们发现r的平方不包含在r里面
那么表明这个r呢
它不满足传递性 不满足传递性
它呢 就不适用我们说的模糊等价矩阵
那怎么办呢
那我们现在就开始基于我们刚才的想法传递闭包
我就开始把那个r呢改造一下
r的平方不包含 那我们接下来就开始算下
r的四次方
r的四次方不就是r的平方乘上r的平方吗
那么我们看看它还不包含在r的平方里面去
那么这表明我们说的
r的平方也不是一个传递闭包
继续在算 算r的八次方
八次方就是四次方乘四次方了
让我们发现它相等
相等呢意味着什么东西也就是r的四次方
它就是个传递闭包
它是传递闭包 r的四次方呢
又是我们刚刚说的
它又是一个相似矩阵 所以r的四次方
它就是一个模糊等价矩阵 好的
既然是模糊等价矩阵的话
那么就得到我们说的tr了
这么一个表达式
那我就开始根据不同的
截集截水平来对这个模糊等价矩阵进行我们说的截集
例如我们刚开始取截止屏为1
那么虽然就看哪些隶属度是大于等于1的就保留下来
对吧 如果比1小的
那就是零了
所以我们就得到了这么一个矩阵
这个矩阵表面什么东西呢
表面把我们刚才的x1x2x3x4x5的 这五个对象的就分成五类
因为谁跟谁都没有相等
这就表示分成五队
好的 最后律数太多了
那怎么办呢
我把这个截取节水平稍微降低一点
降成0点8
降成0点8
降成0点8的时候我们就发现了吗
第一行跟第三行它是一样的
第一行跟第三行是一样的
意味着什么呢
意味着我们说x1跟x3呢可以归并在一块
x1跟x3可以归并在一块
那么245还是单独的
继续把截水平可以降低 对吧
继续可以降低
那么这个时候呢
我们可以看出来1跟3 4跟5
它们是一样的
所以这个时候呢 我们变成13 对吧
45那么2是单独一类就变成分成三类
那同样道理来说
把这个截取水平不断的跟它下降
那么 我们就可以看出了分成两类
这个时候呢 就是我们说x1x3x4x5呢
是大家在一个类里面 继续再下降
我们就能发现 对吧
13245都是一样的
那就证明什么 大家都合成一个类了 合成一个类了
也就是说 随着我们的截水平 随着门槛越来越低的话
那么大家就开始由五类就慢慢的变成一类了
这样一来就构成了一个非常简单的一个动态的聚类图了
动态的聚类图
那么 有了这个动态的聚类图
那大家可以想象出来
我们怎么归并怎么拆分
那么就是一个非常重要的一个模糊聚类分析的一个例子
好的 我想关于处理模糊性处理不确定性的
这种建模的手法
我们今天就说到这吧
下课 我们下次再见
-1.1 案例分析
-1.2 数学建模绪论
-1.3 数学建模活动
-第1章 习题
--第1章 习题
-2.1 最小二乘方法
-2.2 拟合函数的扩展
-2.3 最小二乘方法应用
-2.4 线性插值
--2.4 线性插值
-2.5 样条插值
--2.5 样条插值
-第2章 习题
--第2章 习题
-3.1 Malthus模型
-3.2 Logistic模型
-3.3 捕食者模型
-3.4 差分方程模型
-3.5 随机动态模型
-第3章 习题
--第3章 习题
-4.1 成对比较矩阵
-4.2 一致性指标
-4.3 权重向量的计算
-4.4 量纲分析
--4.4 量纲分析
-4.5 轮廓模型
--4.5 轮廓模型
-第4章 习题
--第4章 习题
-5.1 名额分配
--5.1 名额分配
-5.2 Hamilton方法
-5.3 Q方法
--5.3 Q方法
-第5章 习题
--第5章 习题
-6.1 两变量的线性规划
-6.2 单纯形方法
-6.3 整数规划
--6.3 整数规划
-第6章 习题
--第6章 习题
-7.1 模糊集合
-7.2 模糊关系
--7.2 模糊关系
-7.3 模糊综合决策
-7.4 模糊聚类分析
-第7章 习题
--第7章 习题