关于离析混合数据分析的报告

1、数学建模报告 姓名：周启灿 学号：201015010227 姓名 李富兰 学号：201015010234 姓名：周华春 学号：201015010251指导老师：刘老师 报告人 李富兰（一）问题分析（分析问题找到解决问题的方法分析和处理数据）（二）模型的建立（根据问题分析找出所要的模型，学习模型并根据所学建立模型）（三）模型的求解：使用建模的比用工具（选择自己熟悉的）如：Matlab软件，Mathematics，Spss画图软件等。（四）心得体会：此次建模的收获与想法（1）区分这些来自两个总体的数据，通过结果的比较选出最优模型。（2）将所有数据混合后随机分成测试组和检验组，用最优模型对测试组数据

2、讨论，再用检验组数据检验模型，文字描述所得到的结果。（3）所建立模型区分出那些数据分属25 个总体。（4）分别用来自两个不同总体的5 个和34 个样本进行检验。（5）对区分后的数据组建立25 个总体各自的回归模型。数据的分析和处理：（模型的简历和求解比不可少的准备）BP神经网络：使用MATLAB软件前先要对数据总相应的处理，然后在工作窗口导入数据，并编写程序就可以求解模型。根据聚类分析的原理，通过对数据的分析整理，用SPSS软件绘制系谱图，对于数据总体X和Y可以得到总体总体X各指标聚类树图各指标聚类树图，总体总体Y各指标聚类树图各指标聚类树图。返回使用模型的根据：模型的作用，模型的原理，模型的

3、来源。在问题分析之后我们在脑海里酝酿得出要达到这些目的，我们应该使用哪些工具，建模首先就是选择能解决问题的模型，找到模型之后，对模型的作用，原理，来源等做一些了解，就可以着手解决问题。使用的模型：BP神经网络 聚类分析 距离判别法 t检验符号说明i样本j指标的水平 在聚类分析中，数据标准化后i样本j指标的水平 BP神经网络中的激活函数P BP神经网络模型中的样本集T BP神经网络模型中已知的输出样本集A BP神经网络模型中模拟的输出集s BP神经网络模型中的样本 BP神经网络模型中，当将第s个样本的原始数据输入网络时，相应的单元输出状态 BP神经网络模型中，当将第s个样本的原始数据输入网络时，

4、相应的隐单元状态 BP神经网络模型中，当将第s个样本的原始数据输入网络时，相应的输出单元取值 BP神经网络模型中，从中间层到输出权的权 BP神经网络模型中，从输入层到中间层的权我们先对吻合度作一个定义：程序运行结果，样本所属类别正确的总个数与总体的百分比。（1）标准化变换：设样本数为n，变量数为m，则原始观测数据表示第i个样本第j个指标变量，用矩阵x表示样本矩阵，有对原始数据进行标准化变换，取：（2）亲疏程度描述欧式距离d(x,y)=（3）按指标分类（4）绘制系谱图（5）决定类的个数和类（一）聚类分析输出层隐层输入层（二）BP神经网络：激活函数 为了叙述上方便，此处引入如下记号，令s表示一个确

5、定的一支样品标号，在本题中，s=1,2,3.3588，分别表示题目中的3588个样品；当将第s个样品的原始输入网络时，相应的输出单元状态记为（i=1,2），隐单元状态记为（j=1,2，7）,输入单元取值记为（k=1,2），注意：此处下标i，j，k依次对应于输出层，中间层及输入层，从中间层到输出层的权记为，从输入层到中间层的权记为。如果，均已给定，那么，对应于任何一组确定的输入（,）,网络中所有单元的取值不难确定，事实上，对样品s而言，隐单元j的输入是 相应的输出状态是 由此，输出单元i所接收到的迭代信号是 网络的最终输出是 对于任何一组确定的输入，输出所有权 的函数。21ssjijkkhw I

6、21()()sssjjijkkHhw I772111()sssiijjijjkkjjkhw Hww I7211()()sssiiijijkjkOhww I,i ji jww11exp()av （ ）=返回模型一聚类分析模型求解：模型一聚类分析模型求解： 根据聚类分析的原理，通过对数据的分根据聚类分析的原理，通过对数据的分析整理，用析整理，用SPSS软件绘制系谱图，对于数软件绘制系谱图，对于数据总体据总体X和和Y可以得到下列图形来直观的描可以得到下列图形来直观的描述。述。总体总体X各指标聚类树图各指标聚类树图为总体为总体Y各指标聚类树图各指标聚类树图BP神经网络求解：神经网络求解：运用运用Mat

7、lab软件，进行编程，软件，进行编程，程序为；程序为；load data1.txt % load data1.txt % data1 .txt data1 .txt 记录总体记录总体X X数据样本数据样本load data2.txt % data2 .txt 记录总体Y数据样本p1=data1;p2=data2; p=p1;p2;pr=minmax(p);goal=ones(1,582),zeros(1,3006);zeros(1,582),ones(1,3006);net=newff(pr,12,7,2,logsig,logsig,logsig,logsig);net.trainParam.

8、show =10; net.trainParam.lr =0.05;net.trainParam.goal =1e-10;net.trainParam.epochs =50000; net = train(net,p,goal);y0=sim(net,p) sum1=0; sum2=0; for i=1:582 if(y0(1,i)2,i) sum2=sum2+1; end end sum2 % sum2 记录模型对总体记录模型对总体Y判断错误的样本总数判断错误的样本总数BP神经网络的自学习和自适应能力在训练是，能通过学习提取神经网络的自学习和自适应能力在训练是，能通过学习提取输出。但是输出。

9、但是BP神经网络缺点：算法收敛速度慢，对样本依赖性强。神经网络缺点：算法收敛速度慢，对样本依赖性强。由于其类别中各个缺陷的模式特征向量差别很大，具有不确定性，由于其类别中各个缺陷的模式特征向量差别很大，具有不确定性，所以很难进行准确的分类。这是本文算法在应用缺陷检测中的一个所以很难进行准确的分类。这是本文算法在应用缺陷检测中的一个不足之处。不足之处。聚类分聚类分析析:聚类分析模型的优点就是直观，结论形式简明。在样聚类分析模型的优点就是直观，结论形式简明。在样本量较大时，要获得聚类结论有一定困难。由于相似系数是根本量较大时，要获得聚类结论有一定困难。由于相似系数是根据被试的反映来建立反映被试间内

10、在联系的指标，而实践中有据被试的反映来建立反映被试间内在联系的指标，而实践中有时尽管从被试反映所得出的数据中发现他们之间有紧密的关系，时尽管从被试反映所得出的数据中发现他们之间有紧密的关系，但事物之间却无任何内在联系，此时，如果根据距离或相似系但事物之间却无任何内在联系，此时，如果根据距离或相似系数得出聚类分析的结果，显然是不适当的，但是，聚类分析模数得出聚类分析的结果，显然是不适当的，但是，聚类分析模型本身却无法识别这类错误。型本身却无法识别这类错误。返回建模的确有难度，可是不管是学习还是生活中我们都应不畏困难，懂得挑战自己。虽然这次建模我们并没有达到自己心里预期的目标，但是我们努力了，这是第一次接触，虽然好对东西都是现学现用，可能由于理解的错误和时间的限制，有着很多的错误，可是也因为这个过程，我们学到了很多以前我们从未听过，