模糊聚类分析.pdf

模糊聚类法：把模糊数学方法引入聚类分析即产生了模糊聚类分析方法。模糊聚类分析方法大致可分为两种：一是基于模糊关系上的模糊聚类法并称为系统聚类分析法。另一种称为非系统聚类法，它是先把样品粗略地分一下，然后按其最优原则进行分类，经过多次迭代直到分类比较合理为止，这种方法也称为逐步聚类法。模糊聚类分析：模糊聚类分析是一种采用模糊数学语言对事物按一定的要求进行描述和分类的数学方法。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。主要内容：模糊聚类分析是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。应用实例：在进行证券交易时，可能会获得较高的投资收益，但同时也存在着较大的证券投资风险。证券市场是一个风险无时不在的市场，所以投资者应当充分深入的了解证券市场蕴含的各项风险并谨慎行事，从各个方面，综合考虑投资的利弊，理性投资。随着股市发张投资手法和证券监管方法的成熟，以及上市公司数量的不断增多，如何科学合理的进行股票的分析和选择是每个投资者所要解决的首要问题。传统的聚类分析是一种硬划分，即把每个待辨识的对象严格的划分到某类中，此类划分的界限是分明的。而实际上大多数对象没有严格的属性，它们在形态和类属方面具有“亦此亦彼”的性质。模糊聚类分析可以更好地解决这类问题，模糊聚类分析有多种方法，如传递闭包法、最大树法、编网法等，广泛应用于许多领域。最后可以通过综合指标来选择股票：第一类：股票综合指标较高，发展较好，该类公司发展强劲，潜力比较大，盈利能力较高。该类公司是较好的投资目标，但总体数量不多。第二类：股票综合指标相对较低，在几个方面表现一般。平均意义水平下，每股净资产较高，说明该公司就有一定资金基础。主营利润增长率较高，说明该类公司处于高速成长其，具有较大的发展空间。但该类公司经营有待改善，具有一定的投资价值。第三类：股票综合指标非常低，属于低收益、低成长的“绩差股”。各个指标都相对最低，与其他两类有明显的差异。这类公 司经营稳定性差，发展不顺利，不利于投资。该类股票几乎无投资价值。