数据挖掘中模糊聚类分析.pptVIP

数据挖掘中的模糊聚类分析 樊春燕 提 纲 引言 几个基础概念 模糊聚类方法 算法比较 引言 L.A.Zadeh 在1965年创立了模糊集合论，随后Bellman和Kalabaff.Zadeh提出了用模糊集来处理聚类问题；1969年，著名学者E.H.Ruspin 引入模糊划分的概念进行模糊聚类分析，第一个系统的表述并研究了模糊聚类 引言 模糊聚类分析是依据客观事物间的特征、亲疏程度和相似性，通过建立模糊聚类相似关系对客观事物进行分类的方法；按照事物的某些属性将事物聚成类，使类间的相似性尽量小，类内的相似性尽量大 聚类是把相似的对象通过静态分类的方法分成不同的组合或者更多的子集，这样让在同一个子集中的成员对象都有相似的一些属性，常见的包括在坐标系中更加短的空间距离等。 引言 聚类是无监督的学习过程，分类是有监督的学习过程；分类时需要事先知道分类所依据的属性值，聚类是要找到这个属性值 主要应用于天气预报、气象分析、图像分割、模式识别、生物、医学诊断和化学分析 特点 高效率 灵活性 可伸缩性 便于找出孤立点 几个基础概念 模糊相似矩阵 如果X和Y都是有限集，则X到Y的模糊关系的隶属函数值可用一个矩阵表示。 设X=｛x1,x2,…xn｝,Y = ｛y1,y2,…yn｝ R是X到Y的模糊关系 令 rij= μR (xi,yi) 若所有元素满足rij∈「0，1」，则称矩阵 R= 「 rij」m*n 为模糊矩阵 若R满足自反性和对称性，则称R为模糊相似矩阵。 模糊聚类的步骤 数据标准化 建立模糊相似矩阵 聚类 聚类的方法有很多种，大致可以分为模糊相似矩阵分类法和直接聚类法 模糊聚类算法 结构性聚类和分散性聚类 结构性算法利用以前成功使用过的聚类器进行分类。可以从上至下或者从下至上双向进行计算。从下至上算法从每个对象作为单独分类开始，不断融合其中相近的对象。从上之下算法则是把所有对象作为一个整体分类，然后逐渐分小。 分散型算法是一次性确定所有分类 常用方法 传递闭包算法 基于振动的模糊聚类方法FCMBP 系统聚类法 模糊C均值聚类算法（FCM) 技术与业务应用（至少三个） 测项资料分类（例如某测项（水位）年变趋势分类、震前异常特征分类（上升、下降、破年变等）、可以横向按照区域分类或者纵向按照时间分类） 干扰分类研究（某种干扰的特征（频率，能量）、区域分布、干扰排除） 前兆异常与地震要素模糊关系研究（模糊关系矩阵研究二者的关联程度；模糊信息分配得到模糊关系矩阵） * *