基於模糊聚類演算法的電力大客戶

1. 模糊聚類分析方法與聚類分析法有哪些優點

模糊聚類（FCM）是聚類分析方法中的一種，是模糊數學融入K-means，對其進行改進。一般的劃分演算法，如K-means，是把數據劃分到不相交的類中的。即每個數據通過計算最終都將屬於一個且唯一一個聚類。然而客觀世界中大量存在著界限並不分明的聚類問題。模糊聚類擴展了傳統聚類的思想。FCM考慮一個靠近兩個類邊界的對象，它離其中的一個稍微近一些，如果對每一個對象和每一個類賦予一個權值，指明該對象屬於該簇的程度(被稱為隸屬度)，通過使用隸屬，使得可以把每一個數據分配給所有的聚類，不同於傳統的聚類方法，模糊聚類的結果使得每個數據最終可能屬於多個聚類，每個數據對每個聚類分配一個隸屬度。聚類的結果可以表示為一個模糊矩陣。實際上，就是為提高聚類的分類效果的一種改進方法。
另外，聚類分析的優勢是通過樹立的角度對數據做智能劃分，免去人工劃分的痛苦。同時，一個對象由若干種不同性質的屬性構成，通過聚類進行分類，為人們做決策提供參考。

2. MATLAB基於模糊聚類分析方法

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
應該能用！

3. 模糊聚類的標准化處理有哪幾種方法

常用的標准化方法有很多，但是用於模糊聚類的標准化方法要求變換後的數據在[0,1]中，其中最常用的有以下兩種方法：

最大值標准化法：

4. 模糊聚類分析方法與聚類分析法有哪些優點

涉及事物之間的模糊界限時按一定要求對事物進行分類的數學方法。聚類分析是數理統計中的一種多元分析 模糊聚類分析方法，它是用數學方法定量地確定樣本的親疏關系，從而客觀地劃分類型。事物之間的界限，有些是確切的，有些則是模糊的。例如人群中的面貌相像程度之間的界限是模糊的，天氣陰、晴之間的界限也是模糊的。當聚類涉及事物之間的模糊界限時，需運用模糊聚類分析方法。模糊聚類分析廣泛應用在氣象預報、地質、農業、林業等方面。通常把被聚類的事物稱為樣本，將被聚類的一組事物稱為樣本集。模糊聚類分析有兩種基本方法：系統聚類法和逐步聚類法。

5. 模糊聚類法

模糊聚類方法包括傳遞閉包法、最大樹法、編網法、基於攝動的模糊聚類方法、模糊C-均值方法等。模糊聚類分析己廣泛應用於經濟學、生物學、氣象學、信息科學、工程技術科學等許多領域。

6. 求基於聚類的模糊神經網路的訓練演算法 要matlab代碼

有一本書不錯，《智能控制及其MATLAB實現》，李國勇，電子工業出版社
專講神經網路與模糊控制，特別是有比較翔實的演算法分析和演算法實現（MATLAB）
其中就有模式識別與聚類方面的內容

7. 數據量比較大適合用模糊聚類分析嗎/

不適合，因為模糊聚類用到了隸屬度，導致計算量大大超過了普聽的硬聚類演算法。最好用普通的硬聚類，k均值是一個不錯的選擇，速度目前應該是最快的效果也不錯。如果數據過大可以考慮使用專門適合於大數據集合的聚類演算法如BIRCH 等。

8. 模糊聚類中因素選取有什麼要求和方法

聚類分析（cluster analysis）是根據事物本身的特性研究個體的一種方法,目的在於將相似的事物歸類.它的原則是同一類中的個體有較大的相似性,不同類的個體差異性很大.
這種方法有三個特徵：適用於沒有先驗知識的分類.如果沒有這些事先的經驗或一些國際、國內、行業標准,分類便會顯得隨意和主觀.這時只要設定比較完善的分類變數,就可以通過聚類分析法得到較為科學合理的類別；
可以處理多個變數決定的分類.例如,要根據消費者購買量的大小進行分類比較容易,但如果在進行數據挖掘時,要求根據消費者的購買量、家庭收入、家庭支出、年齡等多個指標進行分類通常比較復雜,而聚類分析法可以解決這類問題；聚類分析法是一種探索性分析方法,能夠分析事物的內在特點和規律,並根據相似性原則對事物進行分組,是數據挖掘中常用的一種技術.

9. 請問層次聚類法與模糊聚類法有什麼區別與聯系

你的應用背景我不了解。但是感覺你好像要把樣本分成三類，如果是這樣的話，最好不要用層次聚類演算法。 層次聚類演算法是不能自己指定聚類個數的，你需要用劃分的聚類演算法。聚類演算法粗略分為兩類：基於「層次的」與基於「劃分」的。你說的模糊聚類演算法也分很多種，最著名的也是最常用的就是模糊c均值聚類演算法，它是基於「劃分」的，個人感覺它應該適用於你的問題。你不需要把「層次」聚類與「劃分」的或者「模糊」聚類進行結合。模糊c均值聚類本身就可以人為指定聚類個數，如果結合聚類有效性指標，也可以自動確定聚類個數。聚類有效性指標以及模糊c均值你可以查文獻，上中國知網搜索，很多的，要想看具體的介紹可以搜索相關博士或者碩士論文，在裡面都會介紹具體細節。模糊c均值的改進演算法主要是可能性聚類演算法，希望對你有幫助。

10. 模糊聚類法的步驟

（1） 建立模糊相似矩陣R=(sij)n×n ，其中sij為相似系數，其定義可以有多種形式：夾角餘弦，相關系數或距離
（2） 創建模糊等價矩陣R*
（3） 選取截取水平λ(0<λ<1)，對樣本進行模糊聚類