模糊数学聚类分析 模糊聚类是采用模糊数学方法，依据客观事物间的特征、亲疏程度和相似性，通过建立模糊相似关系对客观事物进行分类的一门多元技术。其算法主要有传递闭包法、动态直接聚类法和最大树法等，其中动态直接聚类法计算量最少。在实际应用中必须经过数据预处理、特别是归一化等处理步骤，选取合适的模糊关系建立模糊相似矩阵，然后进行聚类和模式识别。糊聚类分析在学生素质评定中的应用学生素质的评定工作，对学校的发展具有重要的作用。本文就学生素质从德、智、体、能、劳5个方面作出评价。首先，对得到的数据进行规格化；接着，构造模糊相似矩阵；最后，利用编网法对学生素质的评定进行聚类分析，该方法简单易懂且计算量小达到了预期的效果。模糊数学在畜禽血液蛋白多态性聚类分析中的应用我国动植叨蛋白多态性的研e799bee5baa6e79fa5e98193e78988e69d8331333239313432究进展迅速，国内外有关这方面的报道越来越多.但这一研究已有近百年的历史，真正发展是近=十年的事.我国起步较晚，近年的研究和应用较快，现已推向地，县级阶段，可见这一研究和应用的普及在我国为时不远1.西南民族学院2.西昌农业专科学校3.面昌市畜牧局了.本研究表明我国畜牧兽医工作进入了分子水平阶段。.
急求一个模糊聚类的问题！！ 模糊聚类的时候，要计算2个数据之间的相似度（或相异度）。定量属性就用距离来算就行了。定性属性又分2种，一种是没有序的关系的。比如颜色，性别等等。一种是有序的关系的。比如一等品，二等品等等。定性属性没有序的关系时，相异度可以用相同属性的个数与定性属性的总数之间的比值来衡量。【还有很多其他方法。定性属性有序的关系时，相异度可以把定性属性当成量化后的定量属性来衡量【直接计算距离】。个人觉得没有必要用等级划分的方法来统一这些属性指标。【因为，你在等级划分的时候可能会丢失掉一些有用的信息。而丢掉的这些信息也许会对最后的结果有影响。也就是说，如果你的聚类结果和等级划分方法相关，那么，聚类结果的说服力就会下降。如果一定要这样，等级划分就相当于做量化处理。如果均匀分组【等宽】，要决定组距，组数，野点的处理等等。不均匀分组【等深，或其他准则】，要决定组深，组数等等。总之，分组的时候，既要尽量保留原有数据之间的关联，又要尽量将数据区分开。俺觉得，等级划分的困难和确定定性属性之间的相异度相比，并不低。要等级划分，可以找量化，数据分组等方面的参考文献。要确定定性属性之间的相异度，可以找相异度，特别是混合数据类型。
模糊聚类法的特点
模糊聚类法的步骤 （1）建立模糊相似矩阵R=(sij)n×n，其中sij为相似系数，其定义可以有多种形式：夹角余弦，相关系数或距离（2）创建模糊等价矩阵R*（3）选取截取水平λ(0<；λ)，对样本进行模糊聚类
模糊聚类法的基本过程
模糊聚类 设定一个系数，比这个系数大的值为了。然后看每一排1所在的列数。第一排1，2，3，4，5，7，9为一类。下面相同的几排忽略，看不同的那几排。第六排，第六列是1。6自己分为一类。第八排第八个数是1。8自己分为一类
模糊聚类分析的常用分类方法 数据分类中，常用的分类方法有多元统计中的系统聚类法、模糊聚类分析等.在模糊聚类分析中，首先要计算模糊相似矩阵，而不同的模糊相似矩阵会产生不同的分类结果；即使采用相同的模糊相似矩阵，不同的阈值也会产生不同的分类结果.“如何确定这些分类的有效性”便成为模糊聚类的要点。识别研究中的一个重要问题.文献，把有效性不满意的原因归结于数据集几何结构的不理想.但笔者认为，不同的几何结构是对实际需要的反映，我们不能排除实际需要而追求所谓的“理想几何结构”，不理想的分类不应归因于数据集的几何结构.针对同一模糊相似矩阵，文献建立了确定模糊聚类有效性的方法.用固定的显著性水平，在不同分类的F一统计量和F检验临界值的差中选最大者，即为有效分类.但是，当显著性水平变化时，此方法的结果也会变化.文献引进了一种模糊划分嫡来评价模糊聚类的有效性，并人为规定当两类的嫡大于一数时，此两类可合并，通过逐次合并，最终得到有效分类.此方法人为干预较多，当这个规定数不同时，也会得到不同的结果.另外这两种方法也未比较不同模糊相似矩阵的分类结果.系统聚类法是基于模糊等价关系的模糊聚类分析法。在经典的聚类分析方法中可用经典等价关系对样本集X。
模糊聚类法？ 模糊聚类方法包括传递闭包法、最大树法、编网法、基于摄动的模糊聚类方法、模糊C-均值方法等。模糊聚类分析己广泛应用于经济学、生物学、气象学、信息科学、工程技术科学等许多领域。
请问层次聚类法与模糊聚类法有什么区别与联系？ 你的应用背景我不了解.但是感觉你好像要把样本分成三类，如果是这样的话，最好不要用层次聚类算法.层次聚类算法是不能自己指定聚类个数的，你需要用划分的聚类算法.聚类算法粗略分为两类：基于“层次的”与基于“划分”的.你说的模糊聚类算法也分很多种，最著名的也是最常用的就是模糊c均值聚类算法，它是基于“划分”的，个人感觉它应该适用于你的问题.你不需要把“层次”聚类与“划分”的或者“模糊”聚类进行结合.模糊c均值聚类本身就可以人为指定聚类个数，如果结合聚类有效性指标，也可以自动确定聚类个数.聚类有效性指标以及模糊c均值你可以查文献，上中国知网搜索，很多的，要想看具体的介绍可以搜索相关博士或者硕士论文，在里面都会介绍具体细节.模糊c均值的改进算法主要是可能性聚类算法，
模糊聚类法的介绍 采用模糊数学语言对事物按一定的要求进行描述和分类的数学方法称为模糊聚类分析。
