1 / 9
文档名称:

模糊聚类分析在学生成绩中的应用.doc

格式:doc   大小:236KB   页数:9页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

文档介绍:模糊聚类分析在学生成绩中的应用.doc .
模糊聚类分析在学生成绩中的应用
姓名:罗慧玲
学号:1041220108
专业:信息与计算科学
模糊聚类分析在学生成绩中的应用
摘要:本文首先给出了聚类的定义及其算法分类,然后详细介绍了模糊聚类分析的一般步骤。 之后再给出学生成绩的一些数据,通过标准化运算,写出矩阵并求传递闭包,最后求出模糊 聚类矩阵进行运算分类,最后得出结论。
关键词:模糊数学聚类分析等价矩阵学生成绩
1聚类的定义及算法的分类
“人以群分,物以类聚。”聚类是一种重要的人类行为,通过适当聚类,事物才便于研 究,事物的内部规律才可能为人类所掌握。聚类是指按照事物的某些属性,把事物聚集成类, 使类间的相似性尽量小,类内的相似性尽量人,按照相似程度的人小,将事物逐一归类。 目前聚类算法主要课分为三大类:
(1) 层次聚类算法(树聚类算法):它使用数据的连接规则,透过一种层次构架方式,反 复讲数据进行分裂和聚合,以形成一个层次序列的聚类问题解。
(2) 划分式聚类算法:它需预先指定聚类数目或聚类中心,通过反复迭代运算,逐步降 低目标函数的误差值。当目标函数值收敛时,得到最终聚类结果,如K均值聚类算 法(或称C均值聚类算法)、F聚类算法和图论聚类算法。
(3) 基于网络和密度的聚类算法:基于密度的聚类算法是通过数据密度来发现任意形状 的类簇,而基于网格的聚类算法常常与其他方法(如基于密度聚类算法)相结合来 发现任意形状的类簇。它们在以空间信息处理为代表的众多领域有着广泛应用,特 别适合于大规模数据集的分类。
2基于F等价矩阵模糊聚类分析的一般步骤
2.1数据标准化
(1)数据矩阵
设论域U = [xl,x2,...,xn}为被分类对象,每个对象又由加个指标表示其特征:
X,. ={xil,xi2,...,xim},i = 1,2”..,".于是,得到原始数据矩阵X 为:

X11
*12 -
•- %
X =
*21
*22 '
•- X2m

?”1
*”2 -
° • ^nm _

(2)数据标准化
根据F矩阵的要求,一般将数据压缩到区间[0,1]±,可采用下面的方法实现:
①平移一标准差变换
X; = ,J . J (/ = 1,2,...,”, j = 1,2,...,“?) sj
其屮,





经过变换后,每个变量的均值为0,标准差为1,消除了不同量纲的影响,但处理后的

数据不一定在[0.1]上。
②平移一极差变换
x.. - min {a:.. 11 < z < n}
lJ max{x. 11 < z < n} - min{x/z. 11 < z < n}
变换后,数据都落入[0,1]范围内。
2.2建立F相似关系
设U ={u{,u2,...,un}为待分类的全体。其中每一待分类对象由一组数据表征如下:
叫=(xa,xi2,...,xim)
现在的问题是如何建立冷和幻之间的相似关系。这方面的方法比较多,一般按照实际情况
选其中一种来求他们的相似关系R(叫叫)=rtj o
①数量积法


其屮,M为一适当选择之止数,满足
M > max(V 兀
力Z? 1
②相关系数法
工瓦)r工(耳-兀)

③最大最

点击展开更多

分享好友

预览全文

模糊聚类分析在学生成绩中的应用.doc

上传人:sssmppp 2021/2/28 文件大小:236 KB

下载得到文件列表

模糊聚类分析在学生成绩中的应用.doc

相关文档