模糊等价矩阵.doc

fuzzyequivalencematrix;”模糊等价矩阵”;在学术文献中的解释1、R满足自反性、对称性,且满足:(3)传递性min(r*k,r助)’称为模糊等价矩阵,根据任意指定的闭值(0耳入蕊1),将R‘载为普通等价矩阵R‘,‘人文献来源2、,方法如下:==.==,则对任意的a,R的a-截集是X上的普通等价关系,因此,可以根据X上的模糊关系,对X进行模糊分类。当取不同的a值,则可以得到不同的分类结果,即分类是动态的。实际操作中,一般情况下,我们所获得是一系列样本,假设有N个,每个样本可以看作是M维空间中的一个点。可以表示如下,论域:,,因此,再处理之前,有必要对数据进行相当的变换。常用的变换标准差变换和极差变换:标准差变换:经过变换后,每个变量的均值为0,标准差为1,并可以消除量纲的影响,但值不一定在0和1之间。极差变换:经过变换后,消除了量纲的影响,并且值在0和1之间。2模糊相似矩阵的建立由已知的数据,可以建立论域上的模糊关系矩阵,其目的是为构造模糊等价矩阵提供数据。计算模糊关系矩阵由很多方法,如夹角余弦法,相关系数法,算术平均法,几何平均法,最大最小法,以夹角余弦为例,可用下述公式计算:3用传递闭包法求模糊等价矩阵由以上过程所建立的矩阵一般仅具有自反性和对称性,不满度传递性,必须进行变换转换为模糊等价矩阵。常采用传递闭包法,即从上述R矩阵出发,求R^2-->R^4-->R^8...,直到第一次出现R^k×R^k=R^k,这时表明R以具有传递性。4根据模糊等价矩阵和某以a得到分类结果。部分代码实现:'**********************************数据的标准差变化****************************''过程名:Norm_Diff'参数:Data()-Double,待变换的二维数组'说明:执行改函数后数组中了保存变换的数据'作者:'修改者:laviepbt'修改日期:2006-11-1''**********************************数据的标准差变化****************************PublicSubNorm_Diff(ByRefData()AsDouble)DimmAsInteger,NAsInteger,iAsInteger,jAsIntegerDimAveAsDouble,sAsDoubleN=UBound(Data,1):m=UBound(Data,2)'n样品数,m变量数Forj=1TomAve=0Fori=1ToNAve=Ave+Data(i,j)NextAve=Ave/N'ave是平均值s=0Fori=1ToNs=s+(Data(i,j)-Ave)^2's是标准差Nexts=Sqr(s/N)Fori=1ToNData(i,j)=(Data(i,j)-Ave)/sNextNextEndSub'**********************************数据的极差变换*************************