模糊聚类隶属度计算
fuzzy clustering membership value calculation
对于我的数据集中的以下简单部分,
attributes
States X1 X2 X3 ....... XM
A 10 15 0 1
B 1 0 0 5
C 0 0 5 2
etc ..
我应用了层次聚类算法,我找到了这些数据的聚类,
我的问题是如何使用模糊聚类隶属函数来定义每个状态属于 k 个集群 是 fall [0,1]
例如:
状态 A --> F(A)= 0.8 来自集群 1 和 F(A)= 0.2 来自集群 2 ..etc
有什么建议吗?
首先,模糊隶属函数结果不能直接归类为模糊系统的最终结果。我们还需要蕴涵过程、去模糊化过程等
但对于这种情况,我认为您不需要计算模糊隶属函数。您可以在新数据输入(矢量数据)中使用属性值。
例如,我们可以使用具有模糊 k-NN(k 个最近邻)的 CBR 方法(Cased Based Reasoning)。该算法将简单地使用 'distance' 测量新数据的拟合簇。
第一步,我们测量您的新数据与每个集群的成员之间的距离。
之后,我们确定相同的'k'个数,并为每个簇选择k个最小距离并累积所选距离。
因此,每个集群将与您的新数据输入有一个测量距离。
距离最小的簇将被选为数据的簇类别。
要测量距离,您可以使用欧几里得距离或曼哈顿距离等常用公式。这里有一些 f k-NN 的例子,我在这个例子中使用了欧几里德距离:
https://docs.google.com/spreadsheets/d/1HDdvKcYBvtihClr-QstdOC9LAtedSvqHdmzB9K2M9_A/edit?usp=sharing
对于我的数据集中的以下简单部分,
attributes
States X1 X2 X3 ....... XM
A 10 15 0 1
B 1 0 0 5
C 0 0 5 2
etc ..
我应用了层次聚类算法,我找到了这些数据的聚类,
我的问题是如何使用模糊聚类隶属函数来定义每个状态属于 k 个集群 是 fall [0,1]
例如: 状态 A --> F(A)= 0.8 来自集群 1 和 F(A)= 0.2 来自集群 2 ..etc 有什么建议吗?
首先,模糊隶属函数结果不能直接归类为模糊系统的最终结果。我们还需要蕴涵过程、去模糊化过程等
但对于这种情况,我认为您不需要计算模糊隶属函数。您可以在新数据输入(矢量数据)中使用属性值。
例如,我们可以使用具有模糊 k-NN(k 个最近邻)的 CBR 方法(Cased Based Reasoning)。该算法将简单地使用 'distance' 测量新数据的拟合簇。
第一步,我们测量您的新数据与每个集群的成员之间的距离。
之后,我们确定相同的'k'个数,并为每个簇选择k个最小距离并累积所选距离。
因此,每个集群将与您的新数据输入有一个测量距离。
距离最小的簇将被选为数据的簇类别。
要测量距离,您可以使用欧几里得距离或曼哈顿距离等常用公式。这里有一些 f k-NN 的例子,我在这个例子中使用了欧几里德距离:
https://docs.google.com/spreadsheets/d/1HDdvKcYBvtihClr-QstdOC9LAtedSvqHdmzB9K2M9_A/edit?usp=sharing