整理文本整理文本..整理文本.模糊數學實驗報告題目：模糊聚類分析在交通事故分析中的應用姓名xxxxxxxxx學號xxxxxxxxxxxx年級專業xxxxxxxxxxxxx指導教師xxxxxxxx整理文本整理文本..整理文本.20xx年x月xx日模糊聚類分析在交通事故分析中的應用姓名：xx班級：xxxxxxxxx學號：xxxxxxxxxxxxxxxxxxx摘要：在模糊集理論及模糊聚類分析方法的四個步驟根底上，深入研究了模糊聚類分析法步驟在交通事故分析中的應用。通過對1999年我國交通事故相關數據進行統計，運用模糊聚類分析方法中兩種不同的方法得出相似關系矩陣，應用平方法計算傳遞閉包，最終作出模糊聚類分析，并對兩種方法進行比較。通過對交通事故進行分類，對掌握交通平安情況有很大的幫助。關鍵詞：模糊相似矩陣；傳遞閉包；模糊聚類分析；交通事故隨著經濟的迅速開展，人民的生活得到了極大的改善，單位用車和私家車就越來越多，隨之而來的是交通事故發生也越來越多，已引起人們和有關部門的關注和重視。本文在模糊理論根底上，選取1999年我國交通事故相關數據，進行分析統計，運用模糊聚類分析方法做出模糊聚類分析。希望通過對交通事故進行分類，對掌握交通平安情況有很大的幫助，特別在發現交通存在的問題后，分析結果可提供給相關部門參考，針對問題采取措施改善我國交通事故較多的現狀。1選擇統計指標數據采自2002年中國統計年鑒，分析我國交通現狀，選取交通事故中具有代表性的幾種情況——汽車、摩托車、拖拉機、自行車、行人乘車作為五個類及即五個單元，對5種行駛方式平安程度分類。整理文本整理文本..整理文本.設5種行駛方式組成一個分類集合：分別代表汽車、摩托車、拖拉機、自行車、行人乘車。每種行駛方式均采用代表性的方面〔發生起數、死亡人數、受傷人數、損失折款〕作為四項統計指標，即有：這里表示為第i種行駛方式的第j項指標。這四項成績指標為：發生起數，死亡人數，受傷人數，損失折款。原始數據如表1所示。2數據標準化數據標準化常采用公式，對數據進行處理。本文采用較為精確的極差轉化方法對數據標準化。首先，對數據進行偏差轉換。由偏差轉換公式：整理文本整理文本..整理文本.于是，原始數據可轉換為表2。而后，對表2中的數據應用極差化法，從而可得到標準化數據。由極差化法公式：那么標準化后的數據如表3所示。3應用最大最小法進行聚類分析整理文本整理文本..整理文本.最大最小法公式為：將標準化后數據代入上式，得相似關系矩陣：應用平方法求得傳遞閉包整理文本整理文本..整理文本.由上可知是模糊等價矩陣，是傳遞閉包，即。可得如下分類：當時，將U分成一類。當時，將U分成二類。當時，將U分成三類。當時，將U分成四類。當時，將U分成五類。聚類圖如圖1所示。結果分析：在應用最大最小法分類結果中，按整理文本整理文本..整理文本.進行分類，由于過分強調5種行駛方式統計指標上的差異，而沒有注意到各指標的相互影響關系，沒有真正起到分類的作用，因而不可取。按及分類又完全無視了5種行駛方式上所表現出的各種差異，分類太粗。本例的模糊聚類按、分類比較不僅將具有相同特征統計指標的行駛方式歸并到了一塊，而且還將不同特征統計指標的行駛方式區分開來。4應用夾角余弦法進行聚類分析夾角余弦公式為：整理文本整理文本..整理文本.將標準化后數據代入上式，得模糊相似關系矩陣:應用平方法求得傳遞閉包。可得如下分類：當時，將U分成一類。當時，將U分成二類。整理文本整理文本..整理文本.當時，將U分成三類。當時，將U分成四類。當時，將U分成五類。聚類圖如圖2所示。結果分析：在應用夾角余弦法分類結果中，按進行分類，由于過分強調5種行駛方式統計指標上的差異，而沒有注意到各指標的相互影響關系，沒有真正起到分類的作用，因而不可取。按整理文本整理文本..整理文本.及分類又完全無視了5種行駛方式上所表現出的各種差異，分類太粗。本例的模糊聚類按、分類比較不僅將具有相同特征統計指標的行駛方式歸并到了一塊，而且還將不同特征統計指標的行駛方式區分開來。行駛方式的分類利于分析交通運輸中何種方式比較平安。從例子中可以看出，通過對1999年我國交通事故根本情況進行聚類分析，可以了解到汽車這種交通工具的事故指標較高；摩托車、自行車、行人乘車這三種行駛方式的事故指標比較接近，各項指標屬一般；拖拉機這種交通工具的事故指標較低。5總結本文通過應用聚類分析中的兩種不同的方法進行交通事故的分析，在應用的過程得知最大最小法的計算過程較為簡便，夾角余弦的計算過程較為復雜，兩種方法的數據存在著差異，相比照擬夾角余弦的分析數據較精確。6附錄代碼局部：(m文件)F-JIR.mFunction[R]=F_JIR(cs,X)%模糊聚類分析建立模糊相似矩陣%X，數據矩陣%cs=1，最大最小法整理文本整理文本..整理文本.%cs=2，夾角余弦法[n,m]=size(X)%獲得矩陣的行列數R=[];If(cs==1)%最大最小法for(i=1:n)for(j=1:m)fz=0;fm=0;for(k=1:m)if(X(j,k)<0)R=[];return;endif(X(j,k)<X(i,k))x=X(i,k);elsex=X(j,k);endfz=fz+x;endfor(k=1:m)if(X(i,k)>X(j,k))x=X(i,k);elsex=X(j,k);end;endfm=fm+x;R(i,j)=fz/fm;end;endelseif(cs==2)%夾角余弦法for(i=1:n)for(j=1:n)xi=0;xj=0;for(k=1:m)xi=xi+X(i,k)^2;xj=xj+X(j,k)^2;ends=