基于模糊聚类算法的电力大客户

1. 模糊聚类分析方法与聚类分析法有哪些优点

模糊聚类（FCM）是聚类分析方法中的一种，是模糊数学融入K-means，对其进行改进。一般的划分算法，如K-means，是把数据划分到不相交的类中的。即每个数据通过计算最终都将属于一个且唯一一个聚类。然而客观世界中大量存在着界限并不分明的聚类问题。模糊聚类扩展了传统聚类的思想。FCM考虑一个靠近两个类边界的对象，它离其中的一个稍微近一些，如果对每一个对象和每一个类赋予一个权值，指明该对象属于该簇的程度(被称为隶属度)，通过使用隶属，使得可以把每一个数据分配给所有的聚类，不同于传统的聚类方法，模糊聚类的结果使得每个数据最终可能属于多个聚类，每个数据对每个聚类分配一个隶属度。聚类的结果可以表示为一个模糊矩阵。实际上，就是为提高聚类的分类效果的一种改进方法。
另外，聚类分析的优势是通过树立的角度对数据做智能划分，免去人工划分的痛苦。同时，一个对象由若干种不同性质的属性构成，通过聚类进行分类，为人们做决策提供参考。

2. MATLAB基于模糊聚类分析方法

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
应该能用！

3. 模糊聚类的标准化处理有哪几种方法

常用的标准化方法有很多，但是用于模糊聚类的标准化方法要求变换后的数据在[0,1]中，其中最常用的有以下两种方法：

最大值标准化法：

4. 模糊聚类分析方法与聚类分析法有哪些优点

涉及事物之间的模糊界限时按一定要求对事物进行分类的数学方法。聚类分析是数理统计中的一种多元分析 模糊聚类分析方法，它是用数学方法定量地确定样本的亲疏关系，从而客观地划分类型。事物之间的界限，有些是确切的，有些则是模糊的。例如人群中的面貌相像程度之间的界限是模糊的，天气阴、晴之间的界限也是模糊的。当聚类涉及事物之间的模糊界限时，需运用模糊聚类分析方法。模糊聚类分析广泛应用在气象预报、地质、农业、林业等方面。通常把被聚类的事物称为样本，将被聚类的一组事物称为样本集。模糊聚类分析有两种基本方法：系统聚类法和逐步聚类法。

5. 模糊聚类法

模糊聚类方法包括传递闭包法、最大树法、编网法、基于摄动的模糊聚类方法、模糊C-均值方法等。模糊聚类分析己广泛应用于经济学、生物学、气象学、信息科学、工程技术科学等许多领域。

6. 求基于聚类的模糊神经网络的训练算法 要matlab代码

有一本书不错，《智能控制及其MATLAB实现》，李国勇，电子工业出版社
专讲神经网络与模糊控制，特别是有比较翔实的算法分析和算法实现（MATLAB）
其中就有模式识别与聚类方面的内容

7. 数据量比较大适合用模糊聚类分析吗/

不适合，因为模糊聚类用到了隶属度，导致计算量大大超过了普听的硬聚类算法。最好用普通的硬聚类，k均值是一个不错的选择，速度目前应该是最快的效果也不错。如果数据过大可以考虑使用专门适合于大数据集合的聚类算法如BIRCH 等。

8. 模糊聚类中因素选取有什么要求和方法

聚类分析（cluster analysis）是根据事物本身的特性研究个体的一种方法,目的在于将相似的事物归类.它的原则是同一类中的个体有较大的相似性,不同类的个体差异性很大.
这种方法有三个特征：适用于没有先验知识的分类.如果没有这些事先的经验或一些国际、国内、行业标准,分类便会显得随意和主观.这时只要设定比较完善的分类变量,就可以通过聚类分析法得到较为科学合理的类别；
可以处理多个变量决定的分类.例如,要根据消费者购买量的大小进行分类比较容易,但如果在进行数据挖掘时,要求根据消费者的购买量、家庭收入、家庭支出、年龄等多个指标进行分类通常比较复杂,而聚类分析法可以解决这类问题；聚类分析法是一种探索性分析方法,能够分析事物的内在特点和规律,并根据相似性原则对事物进行分组,是数据挖掘中常用的一种技术.

9. 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，最着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。

10. 模糊聚类法的步骤

（1） 建立模糊相似矩阵R=(sij)n×n ，其中sij为相似系数，其定义可以有多种形式：夹角余弦，相关系数或距离
（2） 创建模糊等价矩阵R*
（3） 选取截取水平λ(0<λ<1)，对样本进行模糊聚类