《省区识别载体的模糊归类识别.ppt》由会员分享，可在线阅读，更多相关《省区识别载体的模糊归类识别.ppt（24页珍藏版）》请在金锄头文库上搜索。
1、省区识别载体的模糊归类识别,7.5 物流园区宏观布局载体归类识别原理和计算步骤问题研究 为解决 待定对象 的类别归属问题，提出研究方法 7.6 省区识别载体的模糊归类识别 （香港） 7.7 地级市载体的模糊归类识别 根据 7.5节介绍的研究方法，进行实例分析,标准类别识别特征的提取（表7-9 ）,归类识别分析（表7-10 7-11）,识别效果检验（表7-12）,一、提取标准类别的识别特征值 1 建立论域 （1）取第一类地区为样本：北京（B）、天津（T）、上海（S）、广东（G） （2）根据表6-4（P174）和表6-7（P180），分别选择四类因子中贡献率高的因子为上述样本的特征值：X1GDP、
2、X2人均GDP、X3铁路网密度、X4地区行政级别,则可得,论域U=为样本空间（样本总数为n=4），而每一个样本有m=4个特征： 构造原始数据 表1 为：,2 数据标准化 数据标准化就是根据模糊矩阵的要求，将数据压缩到区间0，1上，其计算公式为（可参考公式（7-3）P188）：,计算过程列举如下： 第1类原始数据标准化矩阵为：,3 计算识别特征值 各类别的识别特征值主要是其聚类中心向量。（可参考P208） 针对各类的标准化矩阵计算可获得第1类的聚类中心向量为： ， 即为第1类别的识别特征值 其中 为第k个特征个平均值， 根据公式（7-23）,二、归类识别分析 计算在第一类中与待定对象香港（H）最
3、为贴近的对象 （1） 建立论域 将香港加入原始数据，形成 表2 ：,（2） 数据标准化 对新论域按公式（ 7-3） 进行标准化，重新获得矩阵U2 ：,（3） 计算贴近度 根据公式（7-21） 其中： 距离修正系数，为保证贴近函数数值在0，1区间内， 以便于比较。,此处，取 =0.25 计算过程列举如下：,同理可得：,（4） 根据择近原则判断 根据模糊识别的择近原则，判断与香港最为贴近的对象如下：,由此得出 ： 上海与香港贴近度最高 成为与香港进行数值交换的对象,2 数值交换，获得新识别矩阵 （1）替换数值 用香港的替换上海的数据，构建新论域 得到 表3 ：,（2）标准化，获得识别矩阵 将交换后
4、的原始数据进行第1类别新数据标准化，而获得待定对象在第1类别的标准化矩阵 ， 即为识别矩阵。,3 计算识别矩阵的聚类中心向量 根据公式（7-23）进行“聚类中心向量”求解，得到对于第1类别识别矩阵的均值向量：,4 待定对象的类别归属分析 根据公式 （7-28） 其中：,距离修正系数,计算过程列举如下：,修正距离：此处，取,贴近度:,与以上步骤类似，即可得到 书上表7-11,重复以上步骤，分别获得香港与5类别地区的贴近度大小。 根据模糊识别的择近原则，根据公式（7-30）：,可得出结论： 香港与第1类别的贴近度最大，因此香港应属于物流园区布局的 第1类空间载体。,三、识别效果检验 根据前述方法，
5、将30个城市分别代入检验，计算获得标准类别中各个对象的识别计算结果， 如表7-12。由表可见，在对原始对象的回判过程中，广东、福建、内蒙、黑龙江、新疆5省区识别结果不符， 根据公式公式（7-31）,w类别归属会判中错判的对象个数 n参与会判的对象总数，即各类别中对象的总数,识别效果较为理想。,其识别准确率：,标准类别识别特征的提取,建立论域 U1 标准化 识别特征值,归类识别分析,判断与待定对象最贴近的对象,识别效果检验,数值交换，获得新识别矩阵,计算识别矩阵的聚类中心向量,待定对象的类别归属分析,计算原始数据矩阵与识别矩阵的贴近度 依择近原则判断,标准类别识别特征的提取,建立论域 U1 标准化 识别特征值,归类识别分析,判断与待定对象最贴近的对象,识别效果检验,数值交换，获得新识别矩阵,计算识别矩阵的聚类中心向量,待定对象的类别归属分析,谢谢！,
