模糊聚类分析请问层次聚类法与模糊聚类法有什么区别与联系？

如何利用matlab模糊聚类分析

function Z=hecheng(X,X) [m,m]=size(X);z=zeros(m,m);p4=zeros(1,m)； for i=1:m for j=1:m for k=1:m p4(1,k)=min(X(i,k),Y(k,j)); end Z(i,j)=max(p4); end end 应该能用！

模糊聚类算法为什么要求 模糊相似矩阵

模糊聚类分析一般是指根据研究对象本身的属性来构造模糊矩阵，并在此基础上根据一定的隶属度来确定聚类关系，即用模糊数学的方法把样本之间的模糊关系定量的确定，从而客观且准确地进行聚类。

聚类就是将数据集分成多个类或簇，使得各个类之间的数据差别应尽可能大，类内之间的数据差别应尽可能小，即为“最小化类间相似性，最大化类内相似性”原则

模糊聚类分析法的优点

聚类分析如果按照隶属度的取值范围可以分为两类，一类叫硬聚类算法，另一类就是模糊聚类算法。

隶属度的概念是从模糊集理论里引申出来的。

传统硬聚类算法隶属...

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进行聚类。

设R是 X上的经典等价关系。

对X中的两个元素x和y，若xRy或(x，y)∈R，则将x和y并为一类，否则x和y不属于同一类。

相应地，可用X上的模糊等价关系对样本集X进行模糊聚类。

设慒是X上的模糊等价关系，是慒 的隶属函数。

对于任何α∈【0，1】，定义慒 的α截关系 Sα是X上的经典等价关系。

根据Sα得到X 的一种聚类,称为在α水平上的聚类。

应用这种方法,分类的结果与α的取值大小有关。

α取值越大,分的类数越多。

α小到某一值时,X中的所有样本归并为一类。

这种方法的优点在于可按实际需要选取α的值，以便得到恰当的分类。

系统聚类法的步骤如下： ①用数字描述样本的特征。

设被聚类的样本集为 X={x1，…,xn}。

每个样本均有p种特征,记作xi=(xi1，…，xip)；i=1，2，…,n；xip表示描述样本xi的第p个特征的数。

　 ②规定样本之间的相似系数rij(0≤rij≤1；i，j=1，…，n)。

rij描述样本xi与xj之间的差异或相似的程度。

rij 越接近于1,表明样本xi与xj之间的差异越小;rij 越接近于0，表明xi与xj之间的差异越大。

rij可用主观评定或集体评分的方法规定，也可用公式计算，如采用夹角余弦法、最小最大法、算术平均最小法等。

因为rii=1(xi与自身没有差异),rij=rji(xi与xj之间的差异等同于xj与xi之间的差异),所以由rij(i，j=1，…，n)可得X上的模糊相似关系。

一般，R不具备可传递性，因而R不一定是 X上的模糊等价关系。

③运用合成运算R=R?R（或R=R?R等）求出最接近相似关系R的模糊等价关系S=R（或R等）。

若R已是模糊等价关系，则取S=R。

④选取适当水平α（0≤α≤1）,得到X 的一种聚类。

逐步聚类法是一种基于模糊划分的模糊聚类分析法。

它是预先确定好待分类的样本应分成几类，然后按最优化原则进行再分类，经多次迭代直到分类比较合理为止。

在分类过程中可认为某个样本以某一隶属度隶属于某一类，又以另一隶属度隶属于另一类。

这样，样本就不是明确地属于或不属于某一类。

若样本集有 n个样本要分成c类，则它的模糊划分矩阵为此c×n模糊划分矩阵有下列特性：①uij∈【0，1】；i=1，…，c；j=1,…，n。

②即每一样本属于各类的隶属度之和为1。

③即每一类模糊子集都不是空集。

模糊聚类分析与模糊综合评价的关系

模糊聚类主要是模糊相似矩阵通过截集聚类，模糊综合评判主要是通过模糊变换关系矩阵，他们都用到模糊关系矩阵，他们都属于模糊数学的经典方法 不是属于关系，模糊聚类分析不是综合评价方法的一种

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，希望对你有帮助。