南京大学：《灰色系统理论及其应用》课程教学资源（PPT课件讲稿）第五章 灰色聚类评估

灰色系统理论及其应用 我类的 化国志等 Gtr Black tate 南京競窆茨大学经济管狸学院 精品程群建设组

南京航空航天大学经济管理学院 精品课程群建设组

灰色聚类是根据灰色关联矩阵或灰数的白化权函数将 些观测指标或观测对象聚集成若干个可以定义类别的方 法。按聚类对象划分,可以分为灰色关联聚类和灰色白化 权函数聚类。 灰色关联聚类主要用于同类因素的归并,以使复杂系 统简化。由此,我们可以检查许多因素中是否有若干个因 素关系十分密切,使我们既能够用这些因素的综合平均指 标或其中的某一个因素来代表这几个因素,又可以使信息 不受到严重损失。灰色白化权函数聚类主要用于检查观测 对象是否属于事先设定的不同类别,以区别对待

灰色聚类是根据灰色关联矩阵或灰数的白化权函数将 一些观测指标或观测对象聚集成若干个可以定义类别的方 法。按聚类对象划分，可以分为灰色关联聚类和灰色白化 权函数聚类。 灰色关联聚类主要用于同类因素的归并，以使复杂系 统简化。由此，我们可以检查许多因素中是否有若干个因 素关系十分密切，使我们既能够用这些因素的综合平均指 标或其中的某一个因素来代表这几个因素，又可以使信息 不受到严重损失。灰色白化权函数聚类主要用于检查观测 对象是否属于事先设定的不同类别，以区别对待

51灰色关联聚类 设有n个观测对象,每个观测对象m个特征数据,得到序列如下 X1=(x1(1),x1(2),…,x1(n) X2=(x2(1),x2(2)2…,x2(n)) Xm=(xm(),xm(2) x(n 对所有的i≤j,,j=1,2,…,m,计算出X1与X,的绝对关联度 n得上三角矩阵 E11E1 12 A

5.1 灰色关联聚类 设有 个观测对象，每个观测对象 个特征数据，得到序列如下 对所有的 计算出 与 的绝对关联度 得上三角矩阵 1 1 1 1 2 2 2 2 ( (1), (2), , ( )) ( (1), (2), , ( )) ( (1), (2), , ( )) m m m m X x x x n X x x x n X x x x n = = = n m i j i j m  = , , 1,2, , , Xi X j ij  11 12 1 22 2 m m mm A           =          

其中En=l;i=1,2,…,m 定义5.1.1上述矩阵A称为特征变量关联矩阵 取定临界值r∈[O,1.,一般要求r>0.5.当E≥r(i≠j)时 则视Ⅹ与X为同类特征 定义5.1.2特征变量在临界值F下的分类称为特征变量的灰色 关联聚类.可以根据实际问题的需要确定,γ越接近于1,分类 越细;越小,分类越粗

其中 定义 5.1.1 上述矩阵A称为特征变量关联矩阵. 取定临界值 一般要求 当 时 则视 与 为同类特征. 定义 5.1.2 特征变量在临界值 下的分类称为特征变量的 灰色 关联聚类. 可以根据实际问题的需要确定, 越接近于1,分类 越细; 越小,分类越粗. 1; 1,2, , ii  = =i m r [0,1], r  0.5. ( ) ij    r i j Xi X j r r r r

52灰色变权聚类 定义52.1设有n个聚类对象,m个聚类指标,S个不同灰类,根 据第(i=1,2,…,n)个对象关于j(j=1,2…,m)指标的样本值 x2(=12,…m,j=12,…,m)将第个对象归入第k(k∈{2,…S 个灰类之中称为灰色聚类 定义522将n个对象关于指标J的取值相应地分为S个灰类, 我们称之为j指标子类j指标k子类的白化权函数记为f(°) 定义523设J指标子类的白化权函数f(°)为如下图所示 的典型白化权函则称x()x(2)x2(3)x2(4)为∫()的转折 点,典型白化权函数记为 f[x(,x(2)2x(3),x2(4)

5.2 灰色变权聚类 定义 5.2.1 设有 个聚类对象, 个聚类指标, 个不同灰类,根 据第 个对象关于 指标的样本值 将第 个对象归入第 个灰类之中,称为灰色聚类. 定义 5.2.2 将 个对象关于指标 的取值相应地分为 个灰类, 我们称之为 指标子类. 指标 子类的白化权函数记为 定义 5.2.3 设 指标 子类的白化权函数 为如下图所示 的典型白化权函,则称 为 的转折 点,典型白化权函数记为 n m s i i n ( 1,2, , ) = j j m ( 1,2, , ) = ( 1,2, , ; 1,2, , ) ij x i n j m = = i k k s ( 1,2, ,   n j s j j k ( ) k j f • j k ( ) k j f • (1) k j x (2) k j x (3) k j x (4) k j x ( ) k j f • [ (1), (2), (3), (4)] k k k k k j j j j j f x x x x

5之.1 之2 01x(1)x(2)x()x( x(3) X 定义5241、若白化权函数f()无第一和第二个转折点x)x(2) 则称/()为下限测度白化权函数,记为[-,一,x(3)x(4 2、若白化权函数∫()的第二和第三个转折点重合,则称f(°) 为适中测度白化权函数,记为fx(1),x2(2)2-,x(4) 3、若∫()无第三和第四个转折点,则称∫()为上限测度白 化权函数,记为f[x(1),x(2),一,一]

k j f x (1) k j x (2) k j x (3) k j x (4) k j x 1 0 x (3) k j x (4) k j 0 x 1 k j f 定义 5.2.4 1、若白化权函数 无第一和第二个转折点 则称 为下限测度白化权函数，记为 2、若白化权函数 的第二和第三个转折点重合，则称 为适中测度白化权函数，记为 3、若 无第三和第四个转折点，则称 为上限测度白 化权函数，记为 ( ) k j f • (1) k j x (2) k j x ( ) k j f • ( ) k j f • ( ) k j f • ( ) k j f • ( ) k j f • [ , , (3), (4)]. k k k j j j f x x − − [ (1), (2), , (4)] k k k k j j j j f x x x − [ (1), (2), , ] k k k j j j f x x − − 5.2.1 5.2.2

5.2.3 5.24 0 x(1)x2(2) x0x4(1) XC (4) 命题52.1对于图5.2.1所示的典型白化权函数,有(其余见 书P81-82) x∈[x(1),x(4) x∈[x;(1)2x;(2) x;(2)-x;( x∈[x(2),x(3) (4)-x x∈[x(3),x(4) x(4)-x(3)

k j f x (1) k j x (2) k j x (4) k j x 1 0 k j f x (1) k j x (2) k j x 1 0 命题 5.2.1 对于图5.2.1所示的典型白化权函数，有（其余见 书P81-82） 0 [ (1), (4)] (1) [ (1), (2)] (2) (1) 1 [ (2), (3)] (4) [ (3), (4)] (4) (3) k k j j k j k k k k j j k j j j k k j j k j k k k k j j j j x x x x x x x x x x f x x x x x x x x x x     −    − =     −    −  5.2.3 5.2.4

定义52,21、对于图52.1所示的/指标k子类白化权函数,令2=(x(2)+x(3) 2、对于图52所示的j指标k子类白化权函数,令A=x(3) 3、对于图52.1和图524所示的j指标k子类白化权函数,令=x(2) 则称为j指标k子类临界值。 定义526设λ为j指标k子类临界值,则称 为j指标关于k子类的权 ∑ 定义527设x.为对象关于指标j的标本,f()为J指标k子类 白化权函数,7为j指标关于k子类的权,则称 4=∑/(x)m 为对象i属于k灰类的灰色变权聚类系数

定义 5.2.2 1、对于图5.2.1所示的 指标 子类白化权函数，令 2、对于图5.2.2所示的 指标 子类白化权函数，令 3、对于图5.2.1和图5.2.4所示的 指标 子类白化权函数，令 则称 为 指标 子类临界值。 定义5.2.6 设 为 指标 子类临界值，则称 为 指标关于 子类的权。 定义 5.2.7 设 为对象 关于指标 的标本， 为 指标 子类 白化权函数， 为 指标关于 子类的权，则称 为对象 属于 灰类的灰色变权聚类系数。 j k 1 ( (2) (3)) 2 k k k j j j  = + x x j j j j j k k k k k (3) k k j j  = x (2) k k  j j = x k  j k  j 1 k k j j m k j j    = =  1 ( ) m k k k i j ij j j   f x = = •  ij x i j ( ) k j f • j k k  j j k i k

定义52.8称1、 a=(a,2,…,a)=C/(x)-∑f(x),…∑/(x)-) 为对象属于灰类的灰色变权聚类系数。 =(O 为聚类系数矩阵 定义529设=max{o},则称对象属于灰类k 灰色变权聚类适用于指标的意义、量纲皆相同的情形,当指标的意义、量纲 不同,且指标的样本值在数量上悬殊较大时,不宜采用灰色变权聚类

定义 5.2.8 称 1、 为对象 属于 灰类的灰色变权聚类系数。 2、 为聚类系数矩阵。 定义 5.2.9 设 ，则称对象 属于灰类 灰色变权聚类适用于指标的意义、量纲皆相同的情形，当指标的意义、量纲 不同，且指标的样本值在数量上悬殊较大时，不宜采用灰色变权聚类。 1 2 1 1 2 2 1 1 1 ( , , , ) ( ( ) , ( ) , , ( ) ) m m m s s s i i i i j ij j j ij j j ij j j j j        f x f x f x = = = = = • • •    1 2 1 1 1 1 2 2 2 2 1 2 ( ) s s k i s n n n                  = =           1 max k k i i k s      = i k 

5.3灰色定权聚类 解决上述问题有两条途径:1、采用初值化算子或均值化算子将指标样本 值化为无量纲数据,然后进行聚类。这种方式不能反映不同指标在聚类过 程中的差异性。2、对各聚类指标事先赋权。即定权聚类 定义53.1设xn(i=1,2,…,n;j=1,2,…,m)为对象i关于指标j的样 本值,∫()j=1,2,…,mk=1,2…,s)为指标k子类白化权函数。 若j指标关于k子类的权(=1,2,…,mk=1,2,…,)与k无关 即对任意的k,k2∈{=12…,m},并称 ∑∫(x 为对象i属于k灰类的灰色定权聚类系数

5.3 灰色定权聚类 解决上述问题有两条途径：1、采用初值化算子或均值化算子将指标样本 值化为无量纲数据，然后进行聚类。这种方式不能反映不同指标在聚类过 程中的差异性。2、对各聚类指标事先赋权。即定权聚类。 定义 5.3.1 设 为对象 关于指标 的样 本值， 为 指标 子类白化权函数。 若 指标关于 子类的权 与 无关 ， 即对任意的 ，并称 为对象 属于 灰类的灰色定权聚类系数。 ( 1,2, , ; 1,2, , ) ij x i n j m = = ( )( 1,2, , ; 1,2, , ) k j f j m k s • = =( 1,2, , ; 1,2, , ) k j  j m k s = = j k i j j k k k k j m 1 2 , 1,2, ,  =   1 ( ) m k k i j ij j j   f x = = •  i k