技术标签: 模糊数学 聚类 机器学习 机器学习笔记 最大生成树 人工智能
【参考资料】
【1】《模式识别与智能计算的MATLAB技术实现》
【2】《模糊数学方法及其应用》
【3】https://baike.baidu.com/item/Kruskal/10242089?fr=aladdin
模糊集定义及基础信息,参考之前笔记《模糊数学笔记-模糊集》
1.1 模糊关系
定义: 设论域U,V,称 U × V U \times V U×V的一个模糊子集 R ∼ ∈ F ( U × V ) \underset{\sim}{R} \in F(U \times V) ∼R∈F(U×V)为U到V的模糊关系。其隶属函数映射为:
U R : U × V → [ 0 , 1 ] U_R: U \times V \to [0, 1] UR:U×V→[0,1] 其隶属度 R ∼ ( x , y ) \underset{\sim}{R}(x,y) ∼R(x,y)称为(x,y)关于模糊关系 R ∼ \underset{\sim}{R} ∼R的相关程度。
举例:
1.2 模糊矩阵
我们可以将上述关系用模糊矩阵来表述,有点类似马儿可夫随机过程里定义状态转移矩阵
定义矩阵 R = ( r i j ) m × n R=(r_{ij})_{m \times n} R=(rij)m×n为模糊矩阵,例如:
[ 1 0 0.1 0.5 0.7 0.3 ] \begin{bmatrix} 1 & 0 & 0.1 \\ 0.5 & 0.7 & 0.3 \end{bmatrix} [10.500.70.10.3],这里 r i j ∈ [ 0 , 1 ] r_{ij} \in [0, 1] rij∈[0,1]
这里比较主要的是模糊矩阵的合成运算,如下:
定义:设 A = ( a i j ) m × t A=(a_{ij})_{m \times t} A=(aij)m×t, B = ( b i j ) t × n B=(b_{ij})_{t \times n} B=(bij)t×n称模糊矩阵 A ∘ B = ( c i j ) m × n A \circ B = (c_{ij})_{m \times n} A∘B=(cij)m×n
其中$ (c_{ij}) = {\lor}{t = 1}^s(a{it} \land b_{tj}) $
这里和矩阵乘法类似,只是在具体的运算中原先的元素乘元素编程取最小值,原先的乘积相加变为求最大值。 举例:
其次我们定义模糊矩阵的 λ \lambda λ截距矩阵,这个定义比较简单,矩阵中的每个元素大于 λ \lambda λ则为1,否则为0。举例如下:
2.1 基于模糊矩阵的等价关系
如果模糊矩阵满足等价关系的三个要素,即:
即
( r i j ) ≥ ∨ t = 1 s ( r i t ∧ r t j ) (r_{ij}) \ge {\lor}_{t = 1}^s(r_{it} \land r_{tj}) (rij)≥∨t=1s(rit∧rtj)这里有一点不理解,为什么传递性中是小于等于而非直接等于?
举例:
2.2 基于模糊矩阵的分类
由于等价关系代表着集合上的一个分类,因此在模糊聚类中,我们对模糊矩阵取不同的 λ \lambda λ截距,就可以取不同的分类。
存在n个被分类对象,每个对象存在m个属性,则有:
[ x 11 x 12 ⋯ x 1 m x 21 x 22 ⋯ x 2 m ⋯ ⋯ ⋯ ⋯ x n 1 x n 2 ⋯ x n m ] \begin{bmatrix} x_{11} & x_{12} & \cdots & x_{1m}\\ x_{21} & x_{22} & \cdots & x_{2m}\\ \cdots & \cdots & \cdots & \cdots\\ x_{n1} & x_{n2} & \cdots & x_{nm} \end{bmatrix} ⎣⎢⎢⎡x11x21⋯xn1x12x22⋯xn2⋯⋯⋯⋯x1mx2m⋯xnm⎦⎥⎥⎤,同时将数据归一化到[0,1]之间。
对第一步建立的数据矩阵,其元素 x i x_i xi和 x j x_j xj建立一个相似矩阵。其中每一个元素 r i j r_{ij} rij代表 x i x_i xi和 x j x_j xj。这里的相似度可以用多种方式做,比如数量积、相关系数等。
比如数量积定义:
r i j = { 1 , i = j 1 M ∑ k = 1 m x i k . x j k , i ≠ j r_{ij}= \begin{cases} 1, & i = j \\ \dfrac{1}{M} \sum\limits_{k=1}^{m}x_{ik}.x_{jk}, & i \ne j \end{cases} rij=⎩⎨⎧1,M1k=1∑mxik.xjk,i=ji̸=j
这里 M = m a x ( ∑ k = 1 m x i k . x j k ) M = max(\sum\limits_{k=1}^{m}x_{ik}.x_{jk}) M=max(k=1∑mxik.xjk)
这里的结果也归一化到[0,1]之间
这里举例为最大树法。
这里用的就是最大生成树Kruskal算法
# -*- coding: utf-8 -*-
import numpy as np
import sklearn.datasets as ds
import matplotlib.pyplot as plt
import random
import math
import operator
SAMPLE_NUM = 200 #样本数量
FEATURE_NUM = 2 #每个样本的特征数量
CLASS_NUM = 2 #分类数量
#1. 初始化测试数据
sample, y = ds.make_blobs(SAMPLE_NUM, n_features=FEATURE_NUM, centers=CLASS_NUM, random_state=3)
sim_array = [[0 for col in range(SAMPLE_NUM)] for row in range(SAMPLE_NUM)]
tree_node = [] #选择的节点
path_node = [] #路径
value_node = [] #存储路径对应的值
def _build_kruskal_tree():
#kruskal每次筛选与当前已选区域联通的点,将满足要求最好的点加入已选区域
tree_node.append(0)
while len(tree_node) < SAMPLE_NUM :
tmp_sum = 0
tmp_set = (0,0)
tmp_node = 0
for node in tree_node:
for i in range(0, SAMPLE_NUM):
if node == i:
continue
else:
if i in tree_node:
continue
else:
#计算距离
if sim_array[node][i] > tmp_sum:
tmp_sum = sim_array[node][i]
tmp_set = (node, i)
tmp_node = i
path_node.append(tmp_set)
tree_node.append(tmp_node)
value_node.append((len(path_node), tmp_sum))
def _do_fuzzy_cluster():
#2. 构造相似矩阵
max = 0
for i in range(0, SAMPLE_NUM):
for j in range(0, SAMPLE_NUM):
if i == j:
sim_array[i][j] = 1
else:
tmp = 0
for k in range(0, FEATURE_NUM):
tmp += sample[i][k] * sample[j][k]
sim_array[i][j] = tmp
if tmp > max:
max = tmp
for i in range(0, SAMPLE_NUM):
for j in range(0, SAMPLE_NUM):
if i != j:
sim_array[i][j] = sim_array[i][j]/max
#3. 构造最大树
_build_kruskal_tree()
#4. 聚类划分并显示
#根据最大生成树来进行分类
value_node.sort(key= operator.itemgetter(1))
gamma = value_node[int(len(value_node)/2)][1]
#根据这个gamma值分开
y_pre = [0 for col in range(SAMPLE_NUM)]
for i in range(0, SAMPLE_NUM - 1):
start = path_node[i][0]
end = path_node[i][1]
if value_node[i][1] > gamma:
y_pre[start] = 1
y_pre[end] = 1
else:
y_pre[start] = 0
y_pre[end] = 0
#print(np.array(y_pre))
#print(y)
#显示
plt.figure(figsize=(5, 6), facecolor='w')
plt.subplot(211)
plt.title('origin classfication')
plt.scatter(sample[:, 0], sample[:, 1], c=y, s=20, edgecolors='none')
plt.subplot(212)
plt.title('fuzzy classfication')
plt.scatter(sample[:, 0], sample[:, 1], c=np.array(y_pre), s=20, edgecolors='none')
plt.show()
"""
说明:
模糊聚类的代码实现,基于最大树算法,针对笔记《模糊聚类分析》
作者:fredric
日期:2018-12-23
"""
if __name__ == "__main__":
_do_fuzzy_cluster()
文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib
文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang
文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些
文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器
文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距
文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器
文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn
文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios
文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql
文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...
文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120
文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数