《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!,