模糊聚类隶属度值计算

Question

对于我的数据集中的以下简单部分，

                                attributes 
States                     X1        X2       X3 .......      XM 
A                          10        15        0               1
B                           1        0         0               5
C                           0        0         5               2
etc ..

我已经应用了层次聚类算法，并且我为这些数据找到了聚类，

我的问题是我如何使用模糊聚类隶属函数来定义每个状态属于 k 个集群，女巫是秋天 [0,1]

例如： State A --> F(A)= 0.8 from cluster 1 and F(A)= 0.2 from cluster 2 ..etc 请问有什么建议吗？

Answer 1

首先，模糊隶属函数的结果不能直接归类为模糊系统的最终结果。我们还需要蕴含过程、去模糊化过程等。

但是对于这种情况，我认为您不需要计算模糊隶属函数。您可以在新数据输入（矢量数据）中使用属性值。
例如，我们可以使用带有模糊 k-NN（k 最近邻）的 CBR 方法（基于案例的推理）。该算法将简单地使用“距离”来测量新数据的拟合集群。

第一步，我们测量您的新数据与每个集群的成员之间的距离。
之后，我们确定相同的“k”个数字，并为每个集群选择 k 个最小距离并累积选择的距离。
因此，每个集群将与您的新数据输入有一个测量距离。
距离最小的集群将被选为数据的集群类别。

对于测量距离，您可以使用欧几里得距离或曼哈顿距离等常用公式。这是 f k-NN 的一些示例，我在此示例中使用了欧几里得距离： https://docs.google.com/spreadsheets/d/1HDdvKcYBvtihClr-QstdOC9LAtedSvqHdmzB9K2M9_A/edit?usp=sharing