一种模糊C-均值聚类分析的实现.doc

一种模糊C-均值聚类分析的实现 姓名：赵增辉 指导老师：张俊花内容提要 本文对模糊C-均值聚类分析方法进行软件实现，利用VB实现对Excel的控制，对Excel中的数据进行分析，将分析得到的结果输出到相应Excel表单中。利用Excel打印功能实现打印输出。为模糊C-均值聚类分析的软件实现提供一种可视化的实现方法。关键词 模糊数学、聚类分析、隶属度、样方一、引言模糊数学分类是基于模糊集理论之上的分类方法。它能够较好的描述、反映自然现象和规律。被普遍应用于生物学、农学、林学及地学等学科。1目前，国内相关分析软件，主要有双向指示种分析法（TWINSPAN）、回归分析等，没有涉及到模糊C-均值聚类分析的软件。在国外，可以找到能够实现C-均值聚类分析的软件，缺点是只能在命令界面下执行，而且输入输出很不方便。于是，开发一个可以在可视环境下进行便捷操作的模糊C-均值聚类分析软件，可以大大减少研究分析人员的工作量，提高研究人员的工作效率，解决对繁多采集数据的处理问题。二、其它常用方法介绍1、双向指示种分析法(TWINSPAN）双向指示种分析法(Tow-way indicator species analysis, TWINSPAN)(Hill)(1979)是由指示种分析(Indicator species analysis)(Hill等1975)修改而成的。指示种分析仅给出样方分类，TWINSPAN同时完成样方和种类分析。TWINSPAN首先对数据进行CA/RA排序，得到第一排序轴，再以排序轴为基础进行分类。TWINSPAN同时进行样方和种类的分类，它的结果是把种类和样方类型排成一个矩阵，该矩阵明显反映种类和样方间的关系，并能反映出重要的环境梯度。可以提供满意的结果，再加上Hill为其编有国际通用程序，使得这一方法在80年代大为流行，成为当今最常用的分类方法之一。2、回归分析在植物群落中，环境因子与植物种的多度和分布之间有着密切的关系。因此，可以以环境变量为自变量，种类为因变量建立关系方程，这一过程就是回归分析的过程。回归分析是分析植被环境最常用的方法之一，它适合于涉及种类和环境因子较少的数据分析，比如一个种的多度与某个环境因子或某些环境因子之间的关系，分别可使用一元线性回归或多元线性回归进行研究，也可以用非线性回归分析。1三、模糊C-均值聚类分析1、定义模糊C-均值聚类是以所分组内平方和最小化为判据，组内平方和定义为：Jm(U,V,A)= (dijA)2 (1)i=1,2,，N=样方数；j=1,2,，C为预分组数。其中：(dijA)2=（）TA（） (2)为距离指标，U为隶属度矩阵，U=Uij，Uij指第i个样方在第j个分组中的隶属度，Vj为第j类的中心，Xi为第i个样方的基础值，一般为一排序坐标值；m为模糊参数（1m）；C为要分的组数，是预先确定的；A为任一N维矩阵，是人为给定的，以使数据保持一定的空间结构。如果A取单位矩阵，则（2）式就简化为：(dij)2= (3)模糊参数m可以取大于或等于1的任何值，但当m=2时，聚类结果最满意（Equihua 1990），所以一般取m=2。2、介绍模糊C-均值聚类(Fuzzy c-means clustering)也叫模糊ISO-DATA聚类(Fuzzy iterative self-orgnizing data clustering)(Bezdek 1981,1987; Equihua 1990)。该方法的结果是用隶属度(membership)表示，表明属于某种类型的程度。它是目前唯一的重叠分类方法。四、模糊C-均值聚类分析的构思和实现1、构思科研人员通常将采集的数据放在Excel表单中，对于Excel中的数据进行模糊C-均值聚类分析处理是一个复杂过程，于是开发一个能够直接操作Excel进行分析的软件对研究人员来说，可以大大减少研究人员的工作量，提高研究人员的效率。利用Visual Basic的强大功能，可以直接调用Microsoft Excel，实现对Excel表单的读写控制及相关操作，并且可以将分析结果直接输出到Excel表单中，方便研究人员查看和打印。2、实现笔者在Windows 2000 Professional 系统下进行了该程序设计，数据平台选用Microsoft Excel 10.0，开发工具为VB6.0，系统是基于研究人员保存在Excel中的数据进行的。用户设置分析类别和范围Excel表单进行分析Excel表单输出和打印Excel表单读取Excel数据Excel表单 （1）读取选定的Excel数据 通过VB的CommonDialog控件可以设定*.xls筛选器，使计算机中的Excel数据一目了然，用户可以打开计算机中任意指定位置的Excel数据，主程序要读取Excel表单中数据内容，需要在程序设计过程中建立对Microsoft Excel 10.0 Object Library的引用（注：10.0 是Office 的版本号）。在程序运行时同时显示Excel主窗口程序，用户可以在所打开的Excel中直接编辑，不影响程序的正常运行。 （2）用户设置分析类别和范围由于在分析中需要指定具体的数据范围，所以提供一个用户操作接口是不可少的。本程序通过两个用户操作界面来实现用户对数据范围的指定。分别是环境因子范围和预分组范围具体位置的指定。在指定界面中，用户可以选定具体的数据范围。通过用户对范围的指定，程序会根据用户指定范围读取Excel中的数据并将其保存在软件定义的相应动态数组中，动态数组分别有原始环境因子数组、原始预分组数组、聚类中心数组、距离数组、隶属度数组。为进入模糊C-均值聚类分析做好准备。（3）进行模糊C-均值聚类分析在进行分析之前，必须要进行预分析，因为要得到合理的分析结果，必须保证每一个样方1预分组的和为1，同时也要保证环境因子必须和预分组的个数匹配，只有满足以上两个条件，才可以对数据进行模糊C-均值聚类分析。当数据全部确认无误后，即预分析完成后，程序进入分析过程。这时，程序会根据需要设置动态数组的数据范围，合理利用系统资源，并利用模糊C-均值聚类的算法对数据进行处理。（4）输出和打印将数据分析处理完成后，程序将在用户数据所在的Excel中创建一个新表单，并自动根据所分析的样方数据，以样方名称给新的Excel表单命名，使得分析结果具有较高的可读性。程序成功运行得到完整的分析数据后，用户可以根据需要对数据进行处理，可以直接保存在Excel中，也可以利用Excel的打印功能打印输出。五、模糊C-均值聚类分析过程的特点1、模糊C-均值聚类的特点：（1）模糊C-均值聚类的结果是隶属度表示，这种方法的优点是可以表示属于某一类型的程度。（2）模糊C-均值聚类是目前唯一的一种重叠分类方法。模糊C-均值聚类被引入植被分析的时间较短，还没有被广泛采用，但可以预计，在今后的研究中，它会被逐渐推广，并且它有可能是目前唯一能够向TWINSPAN挑战的方法。不仅因为它的结果客观、合理，而且因为它被写入SYN-TAX国际通用软件的第四版中-SYN-TAXIV（Podani 1991）12.本程序的特点：（1）由于研究人员一般将采集的数据放在Excel表单中，所以本软件针对Excel的数据进行直接读取操作，只需要用户输入范围，不需要用户对数据的周转，减少了研究人员的工作量，并且减少数据的安全性隐患。（2）在本程序运行时，Excel和软件同时显示在显示窗口，效果直观，可以在分析进行之前，对Excel中数据进行修改操作，修改完成并确定数据范围后，对选择的数据进行分析操作。完全傻瓜式的交互操作，为研究人员提供很大的方便。（3）国外的实现软件，操作十分复杂，需要用户将采集的数据分别输入，并且程序的运行是在命令界面下进行，输出也很不方便。相对的，本程序在可视化界面下进行实现，方便快捷。六、结束语本文提供的是一种可视化的操作方法，采用一种基于Excel的方法实现模糊数学分类中的模糊C-聚类分析，直接调用Excel程序，可以在Excel和本软件之间自由切换，完全傻瓜式操作，帮助研究人员在对采集的数据进行快捷处理。但是，由于模糊C-均值聚类分析在图象识别、人工智能、自动控制、信息处理、经济学、心理学、社会学、语言学、管理科学、医疗诊断、哲学研究等领域中也有相关的应用，本文仅提供一种模糊C-均值聚类分析在生态学上的应用实现，还需要进一步拓宽和改善。七、附录（核心代码）：1.打开指定的Excel数据在VB中要打开Excel数据，首先要建立对Excel的引用。操作如下：“工程”“引用”，选择Microsoft Excel 10.0 Object Library（注：10.0 是Office 的版本号）。要打开存在的Excel文件，需要引用VB的CommonDialog控件。具体代码如下： 设置“CancelError”为 TrueCommonDialog1.CancelError = TrueOn Error GoTo ErrHandler 设置标志CommonDialog1.Flags = cdlOFNPathMustExist 设置过滤器为Excel文件CommonDialog1.Filter = Excel文件(*.xls)|*.xls 指定缺省的过滤器CommonDialog1.FilterIndex = 1 显示“打开”对话框CommonDialog1.ShowOpen 获得文件路径thepath = CommonDialog1.FileName 新打开一个Excel应用程序Set a = New excel.Application 设置为可见a.Visible = True 打开具体路径上的Excel数据a.Workbooks.Open thepath 主程序获得焦点Form1.SetFocusExit FunctionErrHandler: 用户按了“取消”按钮Exit FunctionEnd Function运行如下：2.数据的选择、预分析和分析在分析前，需要使用者指定具体的数据范围。包括环境因子位置和预分组位置，而且在计算过程中必须保证两者一致，每一样方的预分组和为1。为了保证计算过程的准确性，必须经过验证，即预分析。过程如下：首先选择环境因子的位置，界面如下：代码如下：If Text1.Text Then If Option1.Value = True Then 帮助用户确认所选择的行数据 s = MsgBox(你选择的是 + “ + CStr(a.Cells(CInt(Text1.Text), 1) + ” + 的行数据, vbOKCancel, 提示：) If s = vbOK Then name0 = CStr(a.Cells(CInt(Text1.Text), 1) Dim i As Integer i = 2 判断环境因子中没有空项 While a.Cells(CInt(Text1.Text), i) 重新定义hjyz数组，确定数组范围 ReDim Preserve hjyz(i - 1) As Single 写入hjyz数组 hjyz(i - 2) = a.Cells(CInt(Text1.Text), i) i = i + 1 Wend yanzheng = i 2 调用预分组对话框，选择预分组范围 Form9.Show vbModal Unload MeEnd If Else 帮助用户确认所选择的列数据 s = MsgBox(你选择的是 + “ + CStr(a.Cells(1, CInt(Text1.Text) + ” + 的列数据) If s = vbOK Then name0 = CStr(a.Cells(1，CInt(Text1.Text) Dim j As Integer j = 2判断环境因子中没有空项 While a.Cells(j, CInt(Text1.Text) 重新定义hjyz数组，确定数组范围 ReDim Preserve hjyz(j - 1) As Single 将环境因子写入数组 hjyz(j - 2) = a.Cells(j, CInt(Text1.Text) j = j + 1 Wend yanzheng = j - 2 调用预分组对话框，选择预分组范围 Form9.Show vbModal Unload MeEnd If End IfEnd IfPrivate Sub Command2_Click()当用户按了“取消”按钮Unload MeEnd Sub然后选择预分组范围,准备进行分析，界面如下：图：form9代码如下：定义分析过程函数Function Analysis(a1 As Integer, a2 As Integer, b1 As Integer, b2 As Integer) Dim i As Integer Dim j As Integer Dim v1 As Single Dim k As Single ReDim v(b2 - b1 + 1) As Single ReDim d(a2 - a1 + 1, b2 - b1 + 1) As Single ReDim u(a2 - a1 + 1, b2 - b1 + 1) As Single For j = 0 To b2 - b1 v1 = 0 v(j) = 0 For i = 0 To a2 - a1 v(j) = v(j) + hjyz(i) * yfz(i, j) * yfz(i, j) v1 = v1 + yfz(i, j) * yfz(i, j) Next v(j) = v(j) / v1 Next 聚类中心数组 V For i = 0 To a2 - a1 For j = 0 To b2 - b1 d(i, j) = Abs(hjyz(i) - v(j) * Abs(hjyz(i) - v(j) Next 距离数组 DNext For i = 0 To a2 - a1 For j = 0 To b2 - b1 v1 = 0 For k = 0 To b2 - b1 v1 = v1 + d(i, j) / d(i, k) Next u(i, j) = 1 / v1 Next Next 得到隶属度数组U For i = 0 To a2 - a1 For j = 0 To b2 - b1 yfz(i, j) = u(i, j) Next NextEnd Function定义事件Private Sub Command1_Click()Dim i As Integer for循环用到Dim j As Integer for循环用到Dim p As Integer 写入yfz数组用到Dim q As Integer 写入yfz数组用到Dim max As Single 记录hjyz中最大值便于得到x坐标Dim min As Single 记录hjyz中最小值便于得到x坐标Dim i1 As Integer 记录数据范围Dim i2 As Integer 记录数据范围Dim j1 As Integer 记录数据范围Dim j2 As Integer 记录数据范围Dim y As Single 验证预分组数据的和是否正确Dim z As Single 最后置换1和0时用到p = 0q = 0min = 0max = 0获得用户的输入i1 = CInt(Text1(0).Text)i2 = CInt(Text1(1).Text)j1 = CInt(Text1(2).Text)j2 = CInt(Text1(3).Text)For i = i1 To i2 y = 0 For j = j1 To j2 y = y + a.Cells(i, j) Next If y 1 Then当预分组项和不为1的时候提示用户错误 msg = MsgBox(第 + CStr(i) + 行数据有错误,请检查！, vbOKOnly, 提示：) Exit Sub Else End IfNext If yanzheng = i2 - i1 + 1 Then ReDim yfz(i2 - i1 + 1, j2 - j1 + 1) As Single For i = i1 To i2 q = 0 For j = j1 To j2 yfz(p, q) = a.Cells(i, j) q = q + 1 Next p = p + 1 Next 实现预分组数据由Excel向yfz数组写入 For i = 0 To i2 - i1 If max hjyz(i) Then min = hjyz(i) End If Next 得到yfz中最大最小值 For i = 0 To i2 - i1 hjyz(i) = CInt(hjyz(i) - min) / (max - min) * 100) Next 得到x坐标并存放在hjyz数组中 Else 当验证失败是向用户提示 s = MsgBox(预分组数据和环境因子样方数不一致，请您检查, vbOKOnly, 提示：) End IfOn Error GoTo xx设置叠代次数5次 For i = 0 To 5 调用分析过程函数 Call Analysis(i1, i2, j1, j2) Next在已有的表单后插入新的表单，以便将得到的环境因子的分析结果写入a. Sheets.Add after:=Worksheets(a.Worksheets.Count) 命名该表单为环境因子的名称ActiveSheet.Name = name0 + 分析结果 For i = 0 To i2 - i1 z = 0 For j = 0 To j2 - j1 If z yfz(i, j) Then z = yfz(i, j) End If Next For j = 0 To j2 - j1 If z = yfz(i, j) Then yfz(i, j) = 1 Else yfz(i, j) = 0 End If 将分析结果写入Excel表单 a.Cells(i + 1, j + 1) = yfz(i, j) Next NextUnload MeExit Subxx:MsgBox 请您确定Excel表格是否打开Exit SubEnd SubPrivate Sub Command2_Click()Unload MeEnd Sub注：在模块中声明的变量打开文件路径 CommonDialog1 中使用Public thepath As StringExcel工作表主程序Public a As excel.Application 验证环境因子和预分组是否一致Public yanzheng As Integer 存放环境因子的名字，便于存放在新的Excel的Sheet中Public name0 As String 存放环境因子Public hjyz() As Single 存放预分组Public yfz() As Single 存放V数组Public v() As Single 存放D数组Public d() As Single 存放U数组Public u() As Single 参考文献：1张金屯.植被数量生态学方法.中国科学技术出版社.1995年1月2高春艳，李艳，谷伟乐等