动态聚类分析报告.doc

动态聚类分析报告

动态聚类分析
小组成员:

曹宏武,黄宏愿,杨锐晨,唐翰,李宇龙
聚类分析介绍:
聚类的用途是很广泛的。在商业上,聚类可以帮助市场分析人员从消费者数据库中区分出不同的消费群体来,并且概括出每一类消费者的消费模式或者说****惯。它作为数据挖掘中的一个模块,可以作为一个单独的工具以发现数据库中分布的一些深层的信息,并且概括出每一类的特点,或者把注意力放在某一个特定的类上以作进一步的分析;并且,聚类分析也可以作为数据挖掘算法中其他分析算法的一个预处理步骤。聚类分析的算法可以分为划分法(Partitioning Methods)、层次法(Hierarchical Methods)、基于密度的方法(density-based methods)、基于网格的方法(grid-based methods)、基于模型的方法(Model-Based Methods)。
现有聚类分析算法:
K-MEANS算法
K-MEDOIDS算法
Clara算法
Clarans算法
目前国内外研究的现状
1966年,;
1974年,,从此,模糊理论成了一个热门的课题.
1974年,,并取得了比传统的直接数字控制算法更好的效果,从而宣告模糊控制的诞生.
,这是第一个商业化的有实际意义的模糊控制器.
模糊聚类分析:
模糊聚类分析是考虑到事物的模糊属性而进行分类的一类数学方法,这里只介绍基于模糊等价关系的动态聚类分析法
动态聚类分析法介绍:
动态聚类分析:又称动态模糊聚类法。选定一批聚类中心,其指标能反映该类的特征,将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心,其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异,如差异大于某一阈值,说明分类不合理,需修改分类,即以新的聚类中心代替旧的聚类中心,直到前后两聚类中心的差异小于某一阈值,认为分类合理,从而终止分类过程。
相关概念介绍:
隶属函数(membership function),用于表征模糊集合的数学工具。对于普通集合A,它可以理解为某个论域U上的一个子集。为了描述论域U中任一元素u是否属于集合A,通常可以用0或1标志。用0表示u不属于A,而用1表示属于A ,从而得到了U上的一个二值函数χA(u),它表征了U的元素u对普通集合的从属关系,通常称为A的特征函数,为了描述元素u对U上的一个模糊集合的隶属关系,由于这种关系的不分明性,它将用从区间[[]0,1〕中所取的数值代替0,1这两值来描述,记为(u),数值(u)表示元素隶属于模糊集的程度,论域U 上的函数μ即为模糊集的隶属函数,而(u)即为u对的隶属度。
相关概念介绍:
模糊综合评判
对一个事物的评价,常常要涉及多个因素或者多个指标。比如,要判定某项产品设计是否有价值,每个人都可从不同角度考虑:有人看是否易于投产,有人看是否有市场潜力,有人看是否有技术创新,这时就要根据这多个因素对事物作综合评价。具体过程是: