输入:成员集合 ,核函数K及其参数,模糊度系数p,保留维度q,正则化控制参数 ,Parzen-window的平滑参数s,权重 ,隶属度阈值 和迭代的最大次数 。 输出:聚类树状图及聚类结果。 步骤1 根据式(10)计算标准化矩阵 , ; 步骤2 对 运行DRF-KPCA算法得到 , ; 步骤2.1令 ,通过式(9)求出相对密度 ,赋值给初始隶属度 ; 步骤2.2根据式(3)、(4)和(5)求出特征值 和对应的特征向量 ; 步骤2.3令 ,根据式(7)和(8),计算重构误差和新的隶属度 ; 步骤2.4如果满足收敛条件 或 ,则迭代结束,否则转向步骤2.2; 步骤2.5根据式(6)得到研究变量在低维空间中的表示。 步骤3 根据式(13)、(14)和(15)计算综合评价函数序列矩阵 , ; 步骤4 选择矩阵间的距离公式,对m个研究对象进行聚类分级。 |