两步聚类分析法在汽车市场研究中的应用
管理观察 2008年9月
受到更多因素和变量的制约，而文化便是其中之一。因此跨国经营活动离不开跨文化管理，企业只有识别和理解文化差异，控制和解决文化冲突，并采取恰当的管理策略和措施，才能充分发挥跨文化优势，才能真正实现全球范围内的资本、原料、市场、技术和劳动力的最优配置，才能更
高效、更持久的进行跨国经营活动。◆
参考文献：
[1]李尔华.跨国公司经营与管理[M].北京：首都经济贸易大学出版社，2001.
[2]徐子健.国际企业管理[M].北京：中国财经出版社，2000.
[3]陈晓萍.跨文化管理[M].北京：清华大学出版
社，2005.
[4]庄恩平.跨文化商务沟通案例教程[M].上海：上海外语教育出版社，2004.
[5]苏国勋，张旅平，夏光.全球化：文化冲突与共生[M].北京：社会科学文献出版社，2006.
[6]王述祖.经济全球化与文化全球化[M].北京：中国财政经济出版社，2006.
两步聚类分析法在汽车市场研究中的应用
□黄钟颖
（苏州大学商学院，江苏 苏州 215012）
摘 要：本文介绍了两步聚类分析法的步骤，并在SPSS软件中尝试采用该方法对一组汽车产品数据进行了分析，探讨了该分析法的商业实践价值。关键词：两步聚类法；车型配置；属性重要性
一、引言
两步聚类分析法(Twostep Cluster Analysis)是分层聚类算法的一种形式,该算法对不同尺度类型的变量适用。现在，广泛应用在数据挖掘领域中。
两步聚类分析法作为一种数据探究工具，可以用来对一个未知数据集进行自然数据分组、聚类。两步聚类分析法所应用的数学算法与其他传统的聚类技术有显著的区别，它拥有如下三个有利特征：1、能用于处理基于分类变量和连续变量的聚类问题；2、能自动选择聚类数（number of clusters）；3、能高效处理大规模数据量的文件。
二、模型原理
在聚类模型中变量是相互独立的假设下，两步聚类分析法采用似然距离度量来处理分类变量和连续变量。并且，模型中的每项连续变量都假设为正态分布状态，每项分类变量都假设为多项分布状态。实证性内部测试表明该聚类方法对上述独立性假设和两类变量分布状态假设的违反具有相当强的鲁棒性，但分析模型中的上述假设满足程度仍需要注意到。
两步聚类分析方法的算法可以简单总结为以下两个步骤：
第一步，先要建立起聚类特征树（Cluster Features Tree）,把数据集中的第一例记录（case）安置在由树根发起的一个叶结点上，该点包含了这条记录中所有的变量信息。然后，后续的每例记录将利用距离测量作为相似准则，根据它与现存结点的相似性，被分别加到现有的结点上或者形成一个新的结点。当一个结点包含了多例记录时，这个结点上这群记录的信息变量是相同的，这些共点记录的变量信息就可以被归纳出来了。这样，所建立的聚类特征树就提供了该数据集的变量信息概要。
第二步，利用合并聚类算法对聚类特征树上的每个叶结点进行组合。采用合并
聚类算法可以产生一组不同聚类数的聚类方案。然后，根据聚类准则，Schwarz's Bayesian Criterion (BIC)或者Akaike Information Criterion (AIC)来对各种聚类方案进行比较选择，选定最佳聚类方案。
三、模型应用
汽车生产厂商需要有效的方法来评估当前市场情况，了解市场需要，找到为市场所欢迎，有市场竞争能力的车型配置。本文将用两步聚类分析法分类汽车，一种车型所包含的变量在本文中定义为9项（本例中此9项都是连续变量）：销售价格（Price in thousands）、发动机大小(Engine size)、发动机马力(Horsepower)、轴距(Wheelbase)、车宽(Width)、车长(Length)、整车重量(Curb weight)、油箱容量(Fuel Capacity)和燃油效率(Fuel efficiency)。这些变量不同的组合可以构建不同的车型，怎样的组合是市场欢迎的，并且影响产品类别的因素有怎样的主次关系，这些问题都是市场开发者关注的要点所在，利用两步聚类法对当前市场各主流车型进行分析，根据各车型配置的数据变量，自动对其聚类，就可帮助市场人员解决上述问题。
本文利用SPSS11.0数据文件car_sales.sav, 该数据文件中存有157例记录，即表示157种来自不同厂商的不同型号汽车信息。下面根据各项变量对此数据集进行分组，根据汽车售价和各种上述物理属性，用SPSS两步聚类分析工具对数据集进行聚类分析。见下表1
表1 示例样本
由SPSS的两步聚类分析工具生成的自动聚类表（Auto-clustering table）表明了最佳聚类数的选择过程。在软件自动处理中，每种可能的聚类数都用聚类标准（在这里是BIC）运算。BIC值越小表示该聚类模型越好，即相应聚类数越优。这样，最优的聚类方案就是那个BIC最小的情况。
然而，这里会出现这样的问题，BIC 将随着聚类数的增加而持续减少，但是由此而来的聚类方案更优化所带来的额外价值却无法抵消由于聚类数的增加而带来的麻烦。在这种状况下，要权衡BIC的变化和距离测量的变化来决定最优的聚类方案。一个好的方案，BIC变化率（Ratio of BIC Changes）和距离测量比（Ratio of Distance Measures）的值都要求较大。从下面表2中，可以得到在本数据中， 最佳方案是分3个类。
表2 Auto-Clustering
·
四、聚类分布
聚类分布表（表3）显示了每个类的频度。在此案157例数据中，5例数据记录由于某项或某几项变量数据缺失，而没有参与分析。在其余的152例中，分在聚类1（cluster 1）中的有62例，分在聚类2（cluster 2）中的有39例，另外的51例处在聚类3（cluster 3）.
表3 Cluster Distribution
为了对每个聚类中各项变量的均值和标准偏差有比较清晰的展示，可以在SPSS 中制作数据透视表，如下表4所示。
表4 Centroids
从上面数据透视表（表4）中可以发现，这些连续变量很好地把这三个聚类区分了出来。在聚类1中的车型是价格便宜的、车型较小和燃油使用经济性高的各例汽车。在聚类2中的车型是中等价格、车身重、油箱容积大、燃油经济性较差的各种车型。在聚类3中的是一些价格昂贵、车身体积大、燃油经济性中等的车型。
利用原数据资料（c a r_s a l e s. s a v）中标明的两大类车型（V e h i c l e type）：普通车（Automobile）和重型车（Truck）来观察这三个聚类的情况， 从下面的聚类频度分布表（表5）可以进一步分出三个聚类的性质。聚类2
完全由truck类车型组成，聚类1和3则是
Automobile类车型组成的，值得注意的是
在聚类1中有一例外的Truck型车，核实原
文件可知此例车型为Toyota RAV4, 是一辆
重型越野车。由此可见，本文中两步聚类
分析法很有效地对样本数据进行了聚类，
所得3个聚类符合实际车型类别情况。
表5 Vehicle type
五、属性重要性
对于每一个聚类，SPSS都可以列出
各项变量对该聚类重要性的图表（如下图
1），各项变量沿Y轴以重要性递减排列。
竖向的虚线表示的是各项指标变量对本聚
类具有显著决定性影响的临界值。无论T
统计量是正值或是负值，只有当该项变量
的T统计量超过相应正负虚线标值时，此
变量才被认为是有显著影响的。
图1 聚类1的属性重要性
上面图1描述的是聚类1的各项变量重
要性情况，由于图中可见全部9项变量的T
统计量都超出虚线标出的临界值，所以可
以得出在聚类1中全部9项变量都对该聚类
的形成有重要作用。
负值的T统计量表示在此聚类中的此
项变量的值小于平均值，而正值的T统计
量则表示此类中的该变量值大于平均值。
由此，从图1可知，在聚类1中的车型燃油
经济性比平均情况高，而其他8项变量都
低于平均值。这条结论恰好符合前面表4
中显示的情况，再次肯定了相关结论。
在下图2中，可以看出车宽、车长、
发动机马力和销售价格对聚类2的形成没
有显著作用。
从下图3可以看到轴距和油箱容量同
样对聚类3的形成没有重要作用，并且燃
油效率的重要性也仅仅是刚达到临界值。
六、总结
以上是采用两步聚类分析法把数据
文件中的各种汽车类型进行了聚类分析，
从得到的3个聚类来看，聚类1的车型主要
为实用经济性比较强的小型汽车，聚类2
的车型为装载能力较强的卡车类车型，而
聚类3则是代表了高档舒适的车型。从实
际原始数据看，此3聚类较好符合实际情
况，聚类分析达到了预期效果。采用此类
分析方法可帮助市场工作者了解市场产品
主类别，掌握影响不同类别形成的主次要
因素，开发设计出符合市场不同区间的产
品。另外，以本案为例，如果实践者希望
获得更佳的聚类结果，还可以收集更多其
它属性变量数据，例如撞击实验结果等。
推广开来，此种两步聚类分析法可以供商
务实践者用在各种商业分析之中。◆
图2 聚类2的属性重要性
参考文献：
[1]TwoStep Cluster Analysis[Z/OL].http://www1.uni-
hamburg.de/RRZ/
Softwa re/SPSS/Algorith.120/twostep_cluster.pdf.
Aug.20 2008.
[2]李纲，毕振力.国产轿车市场竞争格局的聚类分
析[J].统计与决策，2007（22）.
[3]Michael J.A. Berry & Gordon S.Linoff..Data Mining
Techniques for Marketing, sales，and Customer Relationship
Management[M].Wiley Publishing,Inc. 2004，2.
[4]朱小虎，倪志伟，王超.客户关系管理中的数据
挖掘技术的应用探讨[J].价值工程，2007（12）.
·
管理观察 2008年9月
模糊聚类分析
目录 1引言: (3) 2 理论准备： (3) 2.1 模糊集合理论 (3) 2.2模糊C均值聚类(FCM) (4) 2.3 加权模糊C均值聚类(WFCM) (4) 3 聚类分析实例 (5) 3.1数据准备 (5) 3.1.1数据表示 (5) 3.1.2数据预处理 (5) 3.1.3 确定聚类个数 (6) 3.2 借助clementine软件进行K-means聚类 (7) 3.2.1 样本在各类中集中程度 (8) 3.2.2 原始数据的分类结果 (8) 3.2.3结果分析 (9) 3.3模糊C均值聚类 (10) 3.3.1 数据集的模糊C划分 (10) 3.3.2 模糊C均值聚类的目标函数求解方法 (10) 3.3.3 MATLAB软件辅助求解参数设置 (11) 3.3.4符号表示 (11)
3.3.5代码实现过程 (11) 3.3.6 FCM聚类分析 (11) 3．4 WFCM算法 (14) 3.4.1 WFCM聚类结果展示 (14) 3.4.2样本归类 (16) 3.4.3归类代码实现 (16) 4．结论 (17) 5 参考文献 (18) 6 附录 (18)
模糊聚类与非模糊聚类比较分析 摘要： 聚类分析是根据样本间的相似度实现对样本的划分，属于无监督分类。传统的聚类分析是研究“非此即彼”的分类问题，分类结果样本属于哪一类很明确，而很多实际的分类问题常伴有模糊性，即它不仅仅是属于一个特定的类，而是“既此又彼”。因此为了探究模糊聚类与非模糊聚类之间聚类结果的差别，本文首先采用系统聚类方法对上市公司132支股票数据进行聚类，确定比较合理的聚类数目为11类，然后分别采用K-means聚类与模糊聚类方法对股票数据进行聚类分析，最终得出模糊聚类在本案例中比K-means聚类更符合实际。 关键字：模糊集合，K-means聚类，FCM聚类，WFCM聚类 1引言: 聚类分析是多元统计分析的方法之一，属于无监督分类，是根据样本集的内在结构，按照样本之间相似度进行划分，使得同类样本之间相似性尽可能大，不同类样本之间差异性尽可能大。传统的聚类分析属于硬化分，研究对象的性质是非此即彼的，然而，现实生活中大多数事物具有亦此亦彼的性质。因此传统的聚类分析方法往往不能很好的解决具有模糊性的聚类问题。为此，模糊集合理论开始被应用到分类领域，并取得不错成果。 本文的研究目的是通过对比传统聚类和模糊聚类的聚类结果，找出二者之间的不同之处，并说明两种聚类分析方法在实例中应用的优缺点。 2理论准备： 2.1 模糊集合理论 模糊集合定义：设Ｕ为论域，则称由如下实值函数μA：Ｕ→ [ 0，1 ]，u →μ ( u )所确定的集合A 为Ｕ上的模糊集合，而称μA为模糊集合A 的隶A 属函数，μ A ( u)称为元素u 对于A 的隶属度。若μA(u) =１，则认为u完全属于A；若μA(u) =０，则认为u完全不属于A，模糊集合是经典集合的推广。
模糊聚类分析方法
模糊聚类分析方法 对所研究的事物按一定标准进行分类的数学方法称为聚类分析，它是多元统计“物以类聚”的一种分类方法。载科学技术、经济管理中常常要按一定的标准（相似程度或亲疏关系）进行分类。例如，根据生物的某些性状可对生物分类，根据土壤的性质可对土壤分类等。由于科学技术、经济管理中的分类界限往往不分明，因此采用模糊聚类方法通常比较符合实际。 一、模糊聚类分析的一般步骤 1、第一步：数据标准化[9] （1） 数据矩阵 设论域12{,,,}n U x x x =为被分类对象， 每个对象又有m 个指标表示其性状，即 12{,, ,}i i i im x x x x = (1,2,,) i n =， 于是，得到原始数据矩阵为 1112 1 21222 12 m m n n nm x x x x x x x x x ?? ? ? ? ??? 。 其中nm x 表示第n 个分类对象的第m 个指标的原始数据。 （2） 数据标准化 在实际问题中，不同的数据一般有不同的量纲，为了使不同的量纲也能进行比较，通常需要对数据做适当的变换。但是，即使这样，得到的数据也不一定在区间[0,1]上。因此，这里说的数据标准化，就是要根据模糊矩阵的要求，将数据压缩到区间[0,1]上。通常有以下几种变换： ① 平移·标准差变换
i k k ik k x x x s -'= (1,2,,;1,2,i n k m == 其中 11n k i k i x x n ==∑， k s =。 经过变换后，每个变量的均值为0，标准差为1，且消除了量纲的影响。但 是，再用得到的ik x '还不一定在区间[0,1]上。 ② 平移·极差变换 111m i n { }m a x {}m i n {}i k i k i n ik ik ik i n i n x x x x x ≤≤≤≤≤≤''-''=''- ，(1,2, ,)k m = 显然有01ik x ''≤≤，而且也消除了量纲的影响。 ③ 对数变换 lg ik ik x x '= (1,2,,;1,2,i n k m == 取对数以缩小变量间的数量级。 2、第二步：标定（建立模糊相似矩阵） 设论域12{,, ,}n U x x x =，12{,,,}i i i im x x x x =，依照传统聚类方法确定相似 系数，建立模糊相似矩阵，i x 与j x 的相似程度(,)ij i j r R x x =。确定(,)ij i j r R x x =的方法主要借用传统聚类的相似系数法、距离法以及其他方法。具体用什么方法，可根据问题的性质，选取下列公式之一计算。 （1） 相似系数法 ① 夹角余弦法 2 2m ik jk ij m ik jk x x r x = ∑∑ ② 最大最小法 11() () m ik jk k ij m ik jk k x x r x x ==∧= ∨∑∑。 ③ 算术平均最小法
SAS中的聚类分析方法总结
SAS中的聚类分析方法总结（1）——聚类分析概述 说起聚类分析，相信很多人并不陌生。这篇原创博客我想简单说一下我所理解的聚类分析，欢迎各位高手不吝赐教和拍砖。 按照正常的思路，我大概会说如下几个问题： 1. 什么是聚类分析？ 2. 聚类分析有什么用？ 3. 聚类分析怎么做？ 下面我将分聚类分析概述、聚类分析算法及sas实现、案例三部分来系统的回答这些问题。 聚类分析概述 1. 聚类分析的定义 中国有句俗语叫“物以类聚，人以群分”——剔除这句话的贬义色彩。说白了就是物品根据物品的特征和功用可以分门别类，人和人会根据性格、偏好甚至利益结成不同的群体。分门别类和结成群体之后，同类（同群）之间的物品（人）的特征尽可能相似，不同类（同群）之间的物品（人）的特征尽可能不同。这个过程实际上就是聚类分析。从这个过程我们可以知道如下几点： 1) 聚类分析的对象是物（人），说的理论一点就是样本 2) 聚类分析是根据物或者人的特征来进行聚集的，这里的特征说的理论一点就是变量。当然特征选的不一样，聚类的结果也会不一样； 3) 聚类分析中评判相似的标准非常关键。说的理论一点也就是相似性的度量非常关键； 4) 聚类分析结果的好坏没有统一的评判标准； 2. 聚类分析到底有什么用？ 1) 说的官腔一点就是为了更好的认识事物和事情，比如我们可以把人按照地域划分为南方人和北方人，你会发现这种分法有时候也蛮有道理。一般来说南方人习惯吃米饭，北方习惯吃面食； 2) 说的实用一点，可以有效对用户进行细分，提供有针对性的产品和服务。比如银行会将用户分成金卡用户、银卡用户和普通卡用户。这种分法一方面能很好的节约银行的资源，另外一方面也能很好针对不同的用户实习分级服务，提高彼此的满意度。 再比如移动会开发全球通、神州行和动感地带三个套餐或者品牌，实际就是根据移动用户的行为习惯做了很好的用户细分——聚类分析； 3) 上升到理论层面，聚类分析是用户细分里面最为重要的工具，而用户细分则是整个精准营销里面的基础。精准营销是目前普遍接纳而且被采用的一种营销手段和方式。 3. 聚类分析的流程是怎样的？ 比较简单的聚类分析往往只根据一个维度来进行，比如讲用户按照付费情况分成高端用户、中端用户和低端用户。这个只需要根据商业目的统计一下相关数据指定一个高端、中端和低端的分界点标准就可以。 如果是比较复杂的聚类分析，比如移动里面经常会基于用户的多种行为（通话、短信、gprs
系统聚类分析
聚类分析 聚类分析是研究“物以类聚”的一种多元统计方法。国内有人称它为群分析、点群分析、簇群分析等。 聚类分析的基本概念 聚类分析是研究对样品或指标进行分类的一种多元统计方法,是依据研究对象的个体的特征进行分类的方法。它把分类对象按一定规则分成若干类，这些类非事先给定的，而是根据数据特征确定的。在同一类中这些对象在某种意义上趋向于彼此相似，而在不同类中趋向于不相似。它职能是建立一种能按照样品或变量的相似程度进行分类的方法。 聚类分析的基本思想是认为我们所研究的样本或指标（变量）之间存在着程度不同的相似性（亲疏关系）。于是根据一批样本的多个观测指标，具体找出一些彼此之间相似程度较大的样本（或指标）聚合为一类，把另外一些彼此之间相似程度较大的样本（或指标）又聚合为另一类，关系密切的聚合到一个小的分类单位，关系疏远的聚合到一个大的分类单位，直到把所有样本（或指标）都聚合完毕，把不同的类型一一划分出来，形成一个由小到大的分类系统。最后把整个分类系统画成一张谱系图，用它把所有样本（或指标）间的亲疏关系表示出来。这种方法是最常用的、最基本的一种，称为系统聚类分析。 聚类分析有两种：一种是对样本的分类，称为Q型，另一种是对变量（指标）的分类，称为R型。 聚类分析给人们提供了丰富多彩的方法进行分类，这些方法大致可以归纳为： （1）系统聚类法。首先将n个也样品看成n类（一个类包含一个样品），然后将性质最接近的两类合并成一个新类，我们得到n-1类，再从中找出最接近的两类加以合并成了n-2类，如此下去，最后所有的样品均在一类，将上述并类过程画成一张图（称为聚类图）便可决定分多少类，每类各有什么样品。 （2）模糊聚类法。将模糊数学的思想观点用到聚类分析中产生的方法。该方法多用于定型变量的分类。 （3）K—均值法。K—均值法是一种非谱系聚类法，它是把样品聚集成k个类的集合。类的个数k可以预先给定或者在聚类过程中确定。该方法可用于比系
Matlab学习系列23. 模糊聚类分析原理及实现
23. 模糊聚类分析原理及实现 聚类分析，就是用数学方法研究和处理所给定对象，按照事物间的相似性进行区分和分类的过程。 传统的聚类分析是一种硬划分，它把每个待识别的对象严格地划分到某个类中，具有非此即彼的性质，这种分类的类别界限是分明的。 随着模糊理论的建立，人们开始用模糊的方法来处理聚类问题，称为模糊聚类分析。由于模糊聚类得到了样本数与各个类别的不确定性程度，表达了样本类属的中介性，即建立起了样本对于类别的不确定性的描述，能更客观地反映现实世界。 本篇先介绍传统的两种（适合数据量较小情形，及理解模糊聚类原理）：基于择近原则、模糊等价关系的模糊聚类方法。 （一）预备知识 一、模糊等价矩阵 定义1 设R=(r ij )n ×n 为模糊矩阵，I 为n 阶单位矩阵，若R 满足 i) 自反性：I ≤R （等价于r ii =1）； ii) 对称性：R T =R; 则称R 为模糊相似矩阵，若再满足 iii) 传递性：R 2 ≤R （等价于1 ()n ik kj ij k r r r =∨∧≤） 则称R 为模糊等价矩阵。 定理1 设R 为n 阶模糊相似矩阵，则存在一个最小的自然数k
（k 聚类分析方法 方法介绍 聚类分析 (Clauster Analysis) 数值分类法的一种，在社会应用中称类型学。 Robert Tryon于1939年提出的一种心理学研究方法。 目的:用数量关系对事物进行分类。 对于可以用某些数量描述的事物，采用样本间的距离来将性质接近的事物归为一类，从而达到对事物的分析和评价。 聚类分析作分类时各类群乃至类群数事先未知，而是根据数据的特征确定的，又称为无师可循的分类。 一般分为逐步聚类、系统聚类和其它方法。 16种饮料的热量、咖啡因、钠及价格四种变量 数据示例 聚类分析(cluster analysis) 对于一个数据，人们既可以对变量(指标)进行分类(相当于对数据中的列分类)，也可以对观测值(事件、样品)来分类(相当于对数据中的行分类)。 比如学生成绩数据就可以对学生按照理科或文科成绩(或者综合考虑各科成绩)分类。 当然，并不一定事先假定有多少类，完全可以按照数据本身的规律来分类。 如何度量远近, 如果想要对100个学生进行分类，如果仅仅知道他们的数学成绩，则只好按照数学成绩来分类;这些成绩在直线上形成100个点。这样就可以把接近的点放到一类。 如果还知道他们的物理成绩，这样数学和物理成绩就形成二维平面上的100 个点，也可以按照距离远近来分类。 三维或者更高维的情况也是类似;只不过三维以上的图形无法直观地画出来而已。在饮料数据中，每种饮料都有四个变量值。这就是四维空间点的问题了。 如果以n个数值型变量(n维空间)来描述某一类事物，则一个事物就是n维空间中是一个点。 Y X Z 1>. . . . . . . . . . . . . . 模糊聚类分析方法 对所研究的事物按一定标准进行分类的数学方法称为聚类分析，它是多元统计“物以类聚”的一种分类方法。载科学技术、经济管理中常常要按一定的标准（相似程度或亲疏关系）进行分类。例如，根据生物的某些性状可对生物分类，根据土壤的性质可对土壤分类等。由于科学技术、经济管理中的分类界限往往不分明，因此采用模糊聚类方法通常比较符合实际。 一、模糊聚类分析的一般步骤 1、第一步：数据标准化[9] （1） 数据矩阵 设论域12{,,,}n U x x x =为被分类对象，每个对象又有m 个指标表示其性状， 即 12{,, ,}i i i im x x x x = (1,2, ,)i n =， 于是，得到原始数据矩阵为 11 121212221 2 m m n n nm x x x x x x x x x ?? ? ? ? ??? 。 其中nm x 表示第n 个分类对象的第m 个指标的原始数据。 （2） 数据标准化 在实际问题中，不同的数据一般有不同的量纲，为了使不同的量纲也能进行比较，通常需要对数据做适当的变换。但是，即使这样，得到的数据也不一定在区间[0,1]上。因此，这里说的数据标准化，就是要根据模糊矩阵的要求，将数据压缩到区间[0,1]上。通常有以下几种变换： ① 平移·标准差变换 ik k ik k x x x s -'= (1,2,,;1,2,,)i n k m == 其中 11n k ik i x x n ==∑， k s = 经过变换后，每个变量的均值为0，标准差为1，且消除了量纲的影响。但 是，再用得到的ik x '还不一定在区间[0,1]上。 ② 平移·极差变换 111min{}max{}min{}ik ik i n ik ik ik i n i n x x x x x ≤≤≤≤≤≤''-''=''-，(1,2,,)k m = 显然有01ik x ''≤≤，而且也消除了量纲的影响。 ③ 对数变换 lg ik ik x x '= (1,2,,;1,2,,)i n k m == 取对数以缩小变量间的数量级。 2、第二步：标定（建立模糊相似矩阵） 设论域12{,, ,}n U x x x =，12{,, ,}i i i im x x x x =，依照传统聚类方法确定相似 系数，建立模糊相似矩阵，i x 与j x 的相似程度(,)ij i j r R x x =。确定(,)ij i j r R x x =的方法主要借用传统聚类的相似系数法、距离法以及其他方法。具体用什么方法，可根据问题的性质，选取下列公式之一计算。 （1） 相似系数法 ① 夹角余弦法 21 m ik jk ij m ik jk k x x r x == ∑∑。 ② 最大最小法 11() () m ik jk k ij m ik jk k x x r x x ==∧= ∨∑∑。 ③ 算术平均最小法 聚类分析的方法 一、系统聚类法 系统聚类分析法就是利用一定的数学方法将样品或变量（所分析的项目）归并为若干不同的类别（以分类树形图表示），使得每一类别内的所有个体之间具有较密切的关系，而各类别之间的相互关系相对地比较疏远。系统聚类分析最后得到一个反映个体间亲疏关系的自然谱系，它比较客观地描述了分类对象的各个体之间的差异和联系。根据分类目的不同，系统聚类分析可分为两类：一类是对变量分类，称为R型分析；另一类是对样品分类，称为Q型分析。系统聚类分析法基本步骤如下（许志友，1988）。 （一）数据的正规化和标准化 由于监测时所得到的数值各变量之间相差较大，或因各变量所取的度量单位不同，使数值差别增大，如果不对原始数据进行变换处理，势必会突出监测数据中数值较大的一些变量的作用，而消弱数值较小的另一些变量的作用，克服这种弊病的办法是对原始数据正规化或标准化，得到的数据均与监测时所取的度量单位无关。 设原始监测数据为Xij (i＝1，2，…，n；j＝1，2，…，m；n为样品个数，m为变量个数)，正规化或标准化处理后的数据为Zij (i＝1，2，…，n；j＝1，2，…，m)。 1. 正规化计算公式如下： （7-32） （i＝1，2，…，n；j＝1，2，…，m） 2. 标准化计算公式如下： （7-33） （i＝1，2，…，n；j＝1，2，…，m） 其中： （二）数据分类尺度计算 为了对数据Zij进行分类，须对该数据进一步处理，以便从中确定出分类的尺度，下列出分类尺度计算的四种方法。 1.相关系数R 两两变量间简单相关系数定义为： （7-34） （i，j＝1，2，…，m） 其中 一般用于变量的分类（R型）。有一1≤≤1且愈接近1时，则此两变量愈亲近， 愈接近-1，则关系愈疏远。 2.相似系数 相似系数的意义是，把每个样品看做m维空间中的一个向量，n个样品相当于m维空间中的n个向量。第i个样品与第j个样品之间的相似系数是用两个向量之间的夹角余弦来定义，即： 专业：信息与计算科学 姓名： 学号： 实验一 模糊聚类分析 实验目的： 掌握数据文件的标准化，模糊相似矩阵的建立方法，会求传递闭包矩阵；会使用数学软件MATLAB 进行模糊矩阵的有关运算 实验学时：4学时 实验内容： ⑴ 根据已知数据进行数据标准化. ⑵ 根据已知数据建立模糊相似矩阵，并求出其传递闭包矩阵. ⑶ (可选做)根据模糊等价矩阵绘制动态聚类图. ⑷ (可选做)根据原始数据或标准化后的数据和⑶的结果确定最佳分类. 实验日期：20017年12月02日 实验步骤： 1 问题描述： 设有8种产品，它们的指标如下： x 1 = (37,38,12,16,13,12) x 2 = (69,73,74,22,64,17) x 3 = (73,86,49,27,68,39) x 4 = (57,58,64,84,63,28) x 5 = (38,56,65,85,62,27) x 6 = (65,55,64,15,26,48) x 7 = (65,56,15,42,65,35) x 8 = (66,45,65,55,34,32) 建立相似矩阵，并用传递闭包法进行模糊聚类。 2 解决步骤： 2.1 建立原始数据矩阵 设论域},,{21n x x x X 为被分类对象，每个对象又有m 个指标表示其性状， im i i i x x x x ,,,21 ，n i ,,2,1 由此可得原始数据矩阵。 于是，得到原始数据矩阵为 323455654566356542155665482615645565276285655638 286384645857396827498673176422747369121316123837X 其中nm x 表示第n 个分类对象的第m 个指标的原始数据，其中m = 6，n = 8。 2.2 样本数据标准化 2.2.1 对上述矩阵进行如下变化，将数据压缩到[0,1]，使用方法为平移极差变换和最大值规格化方法。 （1）平移极差变换： 111min{}max{}min{}ik ik i n ik ik ik i n i n x x x x x ，(1,2,,)k m L 显然有01ik x ，而且也消除了量纲的影响。 （2）最大值规格化： j ij ij M x x '，),,max (21nj j j j x x x M 2.2.2 使用Matlab 实现代码： 模糊聚类分析法及其应用 （汽车学院钟锐 2011122071） 摘要模糊聚类分析方法是一种多元统计分析方法, 它通过多个指标将样本划分为若干类, 这种分类方法能很好地应用于交通规划、交通流分析、安全评价等多个方面。文章以交通调查的选择为例说明了模糊聚类分析在规划过程中的具体应用, 并分析了模糊聚类分析在交通规划其他方面的应用。在交通调查中, 可利用模糊聚类分析将交通分区按工业、居住、公建、道路绿化广场等各项用途来进行分类。可相应减少同类交通分区的相似调查工作量。 关键词模糊聚类分析; 交通规划; 交通调查 1 问题的提出 交通规划旨在确定公路和城市道路交通建设的发展目标, 设计达到这些目 标的策略、过程与方案。交通规划包括目标确定、组织工作、数据调查、相关基本模型分析、分析预测、方案设计、方案评价、方案实施过程中的信息反馈和修改等工作阶段。在交通规划的很多阶段, 需要进行分类。例如可将众多的交通小区划分成几大类, 将具有相似特性的交通小区归于一类, 可以减少调查的工作量; 对线路网络进行分析评价时, 也需要进行分类。单一的指标往往不能全面反映交通分区之间的关系, 需要用多个指标来进行。在分类方法中,聚类分析是一种应用很广泛的方法, 它在交通规划领域应用较多。 2 聚类分析方法 聚类分析取意于“人以群分, 物以类聚”的俗语, 即将一组事物根据其性质上亲疏远近的程度进行分类, 把性质相近的个体归为一类, 使得同一类中的个体具有高度的同质性, 不同类之间的个体具有高度的异质性。为使分类合理, 必须描述个体之间的亲疏程度。对此, 通常有距离法、相关系数法等方法。距离法是将每个样本看成m( m 为统计指标的个数) 维空间的一个点, 在m 维空间中定义点与点之间的某种距离; 相关系数法是用某种相似系数来描述样本之间的关系, 如相关系数。聚类的方法有很多, 如系统聚类法、模糊聚类法、分裂法、 5.2酿酒葡萄的等级划分 5.2.1葡萄酒的质量分类 由问题1中我们得知，第二组评酒员的的评价结果更为可信，所以我们通过第二组评酒员对于酒的评分做出处理。我们通过excel计算出每位评酒员对每支酒的总分，然后计算出每支酒的10个分数的平均值，作为总的对于这支酒的等级评价。 通过国际酿酒工会对于葡萄酒的分级，以百分制标准评级，总共评出了六个级别（见表5）。 在问题2的计算中，我们求出了各支酒的分数，考虑到所有分数在区间[61.6，81.5]波动，以原等级表分级，结果将会很模糊，不能分得比较清晰。为此我们需要进一步细化等级。为此我们重新细化出5个等级，为了方便计算，我们还对等级进行降序数字等级（见表6）。 通过对数据的预处理，我们得到了一个新的关于葡萄酒的分级表格（见表7）： 考虑到葡萄酒的质量与酿酒葡萄间有比较之间的关系，我们将保留葡萄酒质量对于酿酒葡萄的影响，先单纯从酿酒葡萄的理化指标对酿酒葡萄进行分类，然后在通过葡萄酒质量对酿酒葡萄质量的优劣进一步进行划分。 5.2.2建立模型 在通过酿酒葡萄的理化指标对酿酒葡萄分类的过程，我们用到了聚类分析方法中的ward 最小方差法，又叫做离差平方和法。 聚类分析是研究分类问题的一种多元统计方法。所谓类，通俗地说，就是指相似元素的集合。为了将样品进行分类，就需要研究样品之间关系。这里的最小方差法的基本思想就是将一个样品看作P 维空间的一个点，并在空间的定义距离，距离较近的点归为一类；距离较远的点归为不同的类。面对现在的问题，我们不知道元素的分类，连要分成几类都不知道。现在我们将用SAS 系统里面的stepdisc 和cluster 过程完成判别分析和聚类分析，最终确定元素对象的分类问题。 建立数据阵，具体数学表示为： 1111...............m n nm X X X X X ????=?????? （5.2.1） 式中，行向量1(,...,)i i im X x x =表示第i 个样品； 列向量1(,...,)'j j nj X x x =’，表示第j 项指标。(i=1,2,…,n;j=1,2,…m) 接下来我们将要对数据进行变化，以便于我们比较和消除纲量。在此我们用了使用最广范的方法，ward 最小方差法。其中用到了类间距离来进行比较，定义为： 2||||/(1/1/)kl k l k l D X X n n =-+ （5.2.2） Ward 方法并类时总是使得并类导致的类内离差平方和增量最小。 系统聚类数的确定。在聚类分析中，系统聚类最终得到的一个聚类树，如何确定类的个数，这是一个十分困难但又必须解决的问题；因为分类本身就没有一定标准，人们可以从不同的角度给出不同的分类。在实际应用中常使用下面几种 聚类分析原理及步骤 ——将未知数据按相似程度分类到不同的类或簇的过程 1》传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚 类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中 心点等算法的聚类分析工具已被加入到许多着名的统计分析软件包 中，如SPSS、SAS等。 典型应用 1》动植物分类和对基因进行分类 2》在网上进行文档归类来修复信息 3》帮助电子商务的用户了解自己的客户，向客户提供更合适 的服务 主要步骤 1》数据预处理——选择数量，类型和特征的标度（（依据特征 选择和抽取）特征选择选择重要的特征，特征抽取把输入的特征转化 为一个新的显着特征，它们经常被用来获取一个合适的特征集来为避 免“维数灾”进行聚类）和将孤立点移出数据（孤立点是不依附 于一般数据行为或模型的数据） 2》为衡量数据点间的相似度定义一个距离函数——既然相类似性是定义一个类的基础，那么不同数据之间在同一个特征空间相似度的衡 量对于聚类步骤是很重要的，由于特征类型和特征标度的多样性，距离度量 必须谨慎，它经常依赖于应用，例如，通常通过定义在特征空间的距离度量 来评估不同对象的相异性，很多距离度都应用在一些不同的领域一个简单的 距离度量，如Euclidean距离，经常被用作反映不同数据间的相异性，一些 有关相似性的度量，例如PMC和SMC，能够被用来特征化不同数据的概念相 似性，在图像聚类上，子图图像的误差更正能够被用来衡量两个图形的相似 性 3》聚类或分组——将数据对象分到不同的类中【划分方法（划分 方法一般从初始划分和最优化一个聚类标准开始，Cris p Clustering和Fuzzy Clusterin是划分方法的两个主要技术，Crisp Clustering，它的每一个数据 都属于单独的类；Fuzzy Clustering，它的每个数据可能在任何一个类中）和 层次方法（基于某个标准产生一个嵌套的划分系列，它可以度量不同类之间 的相似性或一个类的可分离性用来合并和分裂类）是聚类分析的两个主要方法， 另外还有基于密度的聚类，基于模型的聚类，基于网格的聚类】4》评估输出——评估聚类结果的质量（它是通过一个类有效索引来评价，， 一般来说，几何性质，包括类间的分离和类内部的耦合，一般都用来评价聚类 结果的质量，类有效索引在决定类的数目时经常扮演了一个重要角色，类有效 索引的最佳值被期望从真实的类数目中获取，一个通常的决定类数目的方法是 选择一个特定的类有效索引的最佳值，这个索引能否真实的得出类的数目是判 断该索引是否有效的标准，很多已经存在的标准对于相互分离的类数据集合都 能得出很好的结果，但是对于复杂的数据集，却通常行不通，例如，对于交叠 类的集合。） 聚类分析的主要计算方法原理及步骤 划分法 1》将数据集分割成K个组（每个组至少包含一 个数据且每一个数据纪录属于且仅属于一个 分组），每个组成为一类 2》通过反复迭代的方法改变分组，使得每一次 改进之后的分组方案都较前一次好（标准就 是：同一分组中的记录越近越好，而不同分 组中的纪录越远越好，使用这个基本思想的 算法有：K-MEANS算法、K-MEDOIDS算法、 刘向民物流工程 S11085240007 聚类分析方法应用举例 多元统计，是研究多个随机变量之间相互依赖关系以及内在统计规律性的一门统计学科。多元统计所包括的内容很多.但在实际统计分析中，聚类分析是应用最广泛的方法之一。聚类分析(cluste:Analysis)，是研究分类问题的一种多元统计分析方法社会经济统计的分类问题，过去在传统方法上，主要是结合一定的专业知识进行定性分类处理。由于定性分类主要是靠经验完成，因而其结论难免带有较多的主观性和随意性，故不能很好地揭示客观事物内在的本质差别和联系。而聚类分析能带来定量上的分析可以解决这个问题，下面通过一些实例来描述聚类分析方法在应用上的体现； 1 基于聚类分析的安徽省物流需求研究 选取了分行业统计的年产值类指标构建物流需求指标体系（X组），具体指标包括：农业总产值（万元）（X1）、工业总产值（亿元）（X2）、建筑业总产值（万元）（X3）、社会消费零售总额（万元）（X4）、亿元商品市场成交额（万元）（X5）、进出口总额（万美元）（X6）。该指标体系通过农业、工业、建筑业、批发业、零售业及国际贸易的发生额较全面地反映了地区的物流需求情况。 2 研究方法 分类问题一般的解决法是聚类分析或者因子分析基础上的聚类分析。由于本文最终期望得安徽省地级市物流需求分类情况，无需了解各个指标体系的内在系统结构，故选择聚类分析方法更简明。进行聚类分析时，本文采用的是基于样本聚类的Q型系统聚类方法。 3研究过程和结果 3.1地区物流需求指标的聚类分析 由分析软件输出的聚类过程统计量如表1所示。可以看出，伪F统计量在归为4类及7类 时较大，说明归为4类及7类时较好；伪T2统计量在1类、2类、3类时较大，由于伪T2大说明上一次归类效果较好，所以归为4类、3类、2类效果较好。而R2的值在由4类归为3类、由3类归为2类以及由2类归为1类时都有较大的减小，说明归类为2类、3类和4类都是比较好的。半偏R2统计量的值越大，则上一步聚类效果更好，所以归为4类、3 类、2类效果都较好。综合考虑四个统计量的值，并考虑分类的实用性，本文认为归为4类比较合适。聚类图见图1。 由软件分析得的聚类过程得到每一类的各个指标的平均值如表2所示。可以看出，四类地区的区分明显，各种产值指标依次递减。依据四类地区物流需求情况可将安徽省的17个地级市分为物流需求旺盛的省会经济圈、需求较大的马铜芜地区；物流需求量小的两淮和皖南山物流需求量小的两淮和皖南山区以及物流需求较小的第三类地区。 23. 模糊聚类分析原理及实现 聚类分析，就是用数学方法研究和处理所给定对象，按照事物间的相似性进行区分和分类的过程。 传统的聚类分析是一种硬划分，它把每个待识别的对象严格地划分到某个类中，具有非此即彼的性质，这种分类的类别界限是分明的。 随着模糊理论的建立，人们开始用模糊的方法来处理聚类问题，称为模糊聚类分析。由于模糊聚类得到了样本数与各个类别的不确定性程度，表达了样本类属的中介性，即建立起了样本对于类别的不确定性的描述，能更客观地反映现实世界。 本篇先介绍传统的两种（适合数据量较小情形，及理解模糊聚类原理）：基于择近原则、模糊等价关系的模糊聚类方法。 （一）预备知识 一、模糊等价矩阵 定义1设R=(r ij )n ×n 为模糊矩阵，I 为n 阶单位矩阵，若R 满足 i) 自反性：I ≤R （等价于r ii =1）； ii) 对称性：R T =R; 则称R 为模糊相似矩阵，若再满足 iii) 传递性：R 2 ≤R （等价于1 ()n ik kj ij k r r r =∨∧≤） 则称R 为模糊等价矩阵。 定理1设R 为n 阶模糊相似矩阵，则存在一个最小的自然数k （k 第二节 模糊聚类分析方法 在科学技术、经济管理中常常要按一定的标准（相似程度或亲疏关系）进行分类。例如，根据生物的某些性状可对生物分类，根据土壤的性质可对土壤分类等。对所研究的事物按一定标准进行分类的数学方法称为聚类分析，它是多元统计“物以类聚”的一种分类方法。由于科学技术、经济管理中的分类界限往往不分明，因此采用模糊聚类方法通常比较符合实际。 一、模糊聚类分析的一般步骤 1、第一步：数据标准化[9] （1） 数据矩阵 设论域12{,,,}n U x x x = 为被分类对象，每个对象又有m 个指标表示其性状，即 12{,,,}i i i im x x x x = (1,2,,i n = ， 于是，得到原始数据矩阵为 11 121 2122 2 1 2 m m n n nm x x x x x x x x x ?? ? ? ? ??? 。 其中nm x 表示第n 个分类对象的第m 个指标的原始数据。 （2） 数据标准化 在实际问题中，不同的数据一般有不同的量纲，为了使不同的量纲也能进行比较，通常需要对数据做适当的变换。但是，即使这样，得到的数据也不一定在区间[0,1]上。因此，这里说的数据标准化，就是要根据模糊矩阵的要求，将数据压缩到区间[0,1]上。通常有以下几种变换： ① 平移·标准差变换 i k k ik k x x x s -'= (1,2,,; 1,2,i n k m == 其中 1 1n k i k i x x n == ∑ ， k s = 经过变换后，每个变量的均值为0，标准差为1，且消除了量纲的影响。但 是，再用得到的ik x '还不一定在区间[0,1]上。 ② 平移·极差变换 111m i n { } m a x {}m i n {} i k i k i n ik ik ik i n i n x x x x x ≤≤≤≤≤≤''-''=''-，(1,2,,)k m = 显然有01ik x ''≤≤，而且也消除了量纲的影响。 ③ 对数变换 lg ik ik x x '= (1,2,,; 1,2,i n k m == 取对数以缩小变量间的数量级。 2、第二步：标定（建立模糊相似矩阵） 设论域12{,,,}n U x x x = ，12{,,,}i i i im x x x x = ，依照传统聚类方法确定相似系数，建立模糊相似矩阵，i x 与j x 的相似程度(,)ij i j r R x x =。确定(,)ij i j r R x x =的方法主要借用传统聚类的相似系数法、距离法以及其他方法。具体用什么方法，可根据问题的性质，选取下列公式之一计算。 （1） 相似系数法 ① 夹角余弦法 m ik jk ij x x r = ∑ ② 最大最小法 11 () () m ik jk k ij m ik jk k x x r x x ==∧= ∨∑∑。 ③ 算术平均最小法 模糊数学实验报告 欧阳家百（2021.03.07） 题目：模糊聚类分析在交通事故分析中的应用 姓名 xxxxxxxxx 学号 xxxxxxxxxxxx 年级专业 xxxxxxxxxxxxx 指导教师 xxxxxxxx 20xx年x月xx日 模糊聚类分析在交通事故分析中的应用 姓名：xx 班级：xxxxxxxxx 学号：xxxxxxxxxxxxxxxxxxx 摘要：在模糊集理论及模糊聚类分析方法的四个步骤基础上，深入研究了模糊聚类分析法步骤在交通事故分析中的应用。通过对1999 年我国交通事故相关数据进行统计，运用模糊聚类分析方法中两种不同的方法得出相似关系矩阵，应用平方法计算传递闭包，最终作出模糊聚类分析，并对两种方法进行比较。通过对交通事故进行分类，对掌握交通安全情况有很大的帮助。 关键词：模糊相似矩阵；传递闭包；模糊聚类分析；交通事故 随着经济的迅速发展，人民的生活得到了极大的改善，单位用车和私家车就越来越多，随之而来的是交通事故发生也越来越多，已引起人们和有关部门的关注和重视。 本文在模糊理论基础上，选取1999 年我国交通事故相关数据，进行分析统计，运用模糊聚类分析方法做出模糊聚类分析。希望通过对交通事故进行分类，对掌握交通安全情况有很大的帮助，特别在发现交通存在的问题后，分析结果可提供给相关部门参考，针对问题采取措施改善我国交通事故较多的现状。 1 选择统计指标 数据采自2002 年中国统计年鉴，分析我国交通现状，选取交通事故中具有代表性的几种情况——汽车、摩托车、拖拉机、自行车、行人乘车作为五个类及即五个单元，对 5 种行驶方式安全程度分类。 设 5 种行驶方式组成一个分类集合： 分别代表汽车、摩托车、拖拉机、自行车、行人乘车。每种行驶方式均采用代表性的方面（发生起数、死亡人数、受伤人数、损失折款）作为四项统计指标，即有： 这里表示为第i 种行驶方式的第 j 项指标。这四项成绩指标为：发生起数，死亡人数，受伤人数，损失折款。原始数据如表1 所示。 2 数据标准化 数据标准化常采用公式，对数据进行处理。 短 文 集对分析聚类预测法及其应用1 高 洁,盛昭瀚 (南京大学管理科学与工程研究院,南京210093) 摘要:提出一种新的预测方法—集对分析聚类预测法.该方法融合了集对分析中的同异反模式识别的“择近原则”和聚类分析的基本思想进行分类预测.文中将该方法应用于邮电业务总量预测的研究,考虑了邮电业务总量和第一、二、三产业的国内生产总值之间的关系,利用邮电业务总量和三个产业的生产总值的历史数据,建立了邮电业务量水平聚类预测的模型,从而得到邮电业务总量预测结果.利用我国某地区的实际数据进行分析计算,并与其它预测方法比较,结果表明该预测方法是有效的. 关键词:集对分析;联系度;聚类预测;邮电业务总量 中图分类号:O144 文献标识码:A 文章编号:1000-5781(2002)05-0458-05 Method and application of set pair analysis classified prediction GAO Jie,SHENG Zhao-han (Graduate School of M anag ement Science and Engineering,Nanjing University, Nanjing210093,China) Abstract:A new forecasting m ethod,the SPA classified prediction,is proposed in this paper. T he model is used to forecast the business total of posts and telecommunications.T he history da-ta are adopted to set up the connection degrees betw een the classified systems and the reference sy stem.The result of the business total of posts and telecommunications forecast is obtained by applying the classified analysis methods.A set of real data is used,and the result is satisfied. Key words:set pair analy sis;connection deg ree;classified prediction;business total of posts and telecomm unications 0 引 言 科学的预测是建立在事物发展规律基础上的科学推断,是正确决策的前提和依据.随着科学技术的不断进步,最近20多年来,预测方法和技术有了很大发展.仅就邮电业务总量的预测问题来说,已有许多预测方法[1-5].文[2]利用灰色模型预测邮电业务总量.文[3]提出了利用多元模糊推理方法预测邮电业务总量.文[5]将物元模型与聚类分析方法结合起来,用可拓聚类预测方法预测邮电业务总量.但到目前为止,集对分析理论[6]在邮电业务预测问题上尚无应用.本文提出基于集对联系度的聚类预测方法并应用于邮电业务总量的预测.该方法将邮电业务量与影响业务量变化的社会经济(如第一、二、三产业的国内生产总值)等环境因素联系起来考虑,但同以往的 第17卷第5期2002年10月 系 统 工 程 学 报 JOU RN A L OF SY STE M S EN GIN EER IN G V ol.17N o.5 O ct.,2002 1收稿日期:20010219;修订日期:20020123. 基金项目:国家自然科学基金资助项目(70171028).聚类分析方法
模糊聚类分析方法汇总
聚类分析的方法
模糊聚类分析实验报告
模糊聚类法
聚类分析实例分析题(推荐文档)
聚类分析原理及步骤
聚类分析方法应用举例
Matlab笔记-模糊聚类分析原理及实现
模糊聚类分析方法
模糊聚类分析之欧阳家百创编
集对分析聚类预测法及其应用_高洁done