可解释性有序聚类方法及其应用分析

doi:10.11772/j.issn.1001-9081.2021050871

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (2): 457-462.DOI: 10.11772/j.issn.1001-9081.2021050871

• 数据科学与技术 • 上一篇

可解释性有序聚类方法及其应用分析

高苏¹, 鲍君忠², 王昕¹, 王利东¹()

^1.大连海事大学理学院，辽宁大连 116026
^2.大连海事大学航海学院，辽宁大连 116026

收稿日期:2021-05-27 修回日期:2021-07-25 接受日期:2021-07-26 发布日期:2022-02-21 出版日期:2022-02-10
通讯作者: 王利东
作者简介:高苏（1993—），女，山东济宁人，硕士研究生，主要研究方向：不确定决策；
鲍君忠（1968—），男，辽宁营口人，教授，博士，主要研究方向：海事公约、风险评估、决策方法；
王昕（1978—），女，辽宁铁岭人，副教授，博士，主要研究方向：粒计算、模糊信息处理；
王利东（1979—），男，辽宁喀左人，教授，博士，主要研究方向：风险评价、粒计算、不确定决策。
基金资助:
国家自然科学基金资助项目(61803065)

Interpretable ordered clustering method and its application analysis

Su GAO¹, Junzhong BAO², Xin WANG¹, Lidong WANG¹()

^1.School of Science，Dalian Maritime University，Dalian Liaoning 116026，China
^2.Navigation College，Dalian Maritime University，Dalian Liaoning 116026，China

Received:2021-05-27 Revised:2021-07-25 Accepted:2021-07-26 Online:2022-02-21 Published:2022-02-10
Contact: Lidong WANG
About author:GAO Su， born in 1993， M. S. candidate. Her research interests include decision-making under uncertainty.
BAO Junzhong， born in 1968， Ph. D.， professor. His research interests include maritime convention， risk assessment， decision-making method.
WANG Xin， born in 1978， Ph. D.， associate professor. Her research interests include granular computing， fuzzy information processing.
WANG Lidong， born in 1979， Ph. D.， professor. His research interests include risk assessment， granular computing， decision-making under uncertainty.
Supported by:
National Natural Science Foundation of China(61803065)

摘要/Abstract

摘要：

针对管理决策领域中的等级分析问题，构建了面向语义可解释性的有序聚类方法。首先，在获得样本的优势度的基础上，结合模糊描述和K-modes聚类方法建立海员幸福感指数的有序聚类方法；然后，在公理模糊集框架下对有序聚类结果赋予相应的语义解释，以此形成一种从定量到定性的决策辅助方法；最后，以我国海员职业幸福感指数的9 175份有效调查问卷为研究样本，通过所构建的有序聚类方法得到海员职业幸福感指数的等级划分及其相应的语义描述，并分析了影响海员职业幸福感指数的内在原因。分析表明，所提方法不仅可以产生满足用户指定约束的有序聚类结果，而且聚类结果具有可解释性、可理解性，同时具有良好的辅助决策的价值。

关键词: 有序聚类, 海员幸福感, 可解释性, 语义描述, 模糊描述

Abstract:

For solving grade analysis problems in the field of management decisions， an ordered clustering method for semantic interpretability was proposed. Firstly， based on obtaining the dominance degrees of the samples， the fuzzy description and K-modes clustering method were combined to establish an ordered clustering method of Chinese seafarers’ vocational happiness indexes. Secondly， the corresponding semantic interpretation was assigned to the ordered clustering results under the framework of Axiomatic Fuzzy Set （AFS）； thereby， forming a decision-making aid method for transforming the quantitative information into the qualitative description. Finally， taking the 9 175 valid questionnaires of Chinese seafarers’ vocational happiness indexes as the research samples， the constructed ordered clustering method was applied to obtain the grading results of the seafarers’ vocational happiness indexes as well as their semantic interpretation，and the factors influencing seafarers’ vocational happiness indexes were analyzed. The proposed method can produce ordered clustering results that satisfy user-specified constraints， and the results are interpretable， understandable， and have good value in assistant decision-making.

Key words: ordered clustering, seafarer vocational happiness, interpretability, semantic description, fuzzy description

中图分类号:

C934

高苏, 鲍君忠, 王昕, 王利东. 可解释性有序聚类方法及其应用分析[J]. 计算机应用, 2022, 42(2): 457-462.

Su GAO, Junzhong BAO, Xin WANG, Lidong WANG. Interpretable ordered clustering method and its application analysis[J]. Journal of Computer Applications, 2022, 42(2): 457-462.

图/表 7

图1 面向可解释性的有序聚类方法流程

Fig. 1 Flowchart of ordered clustering method for interpretability

表1 不同k值下的评价指标值

Tab. 1 Evaluation index values under different k values

k	Index	IP	Dom
2	0.275 6	0.125 6	0.150 0
3	0.302 1	0.198 7	0.103 4
4	0.407 5	0.226 3	0.181 2
5	0.597 4	0.201 5	0.3959
6	0.502 4	0.189 7	0.312 7
7	0.448 6	0.167 3	0.281 3
8	0.346 3	0.159 8	0.186 5
9	0.287 1	0.187 6	0.099 5
10	0.314 0	0.274 3	0.039 7

图2 有序聚类结果

Fig. 2 Ordered clustering results

图3 样本集对于模糊描述ζC1、ζC2、ζC3、ζC4和ζC5的隶属度

Fig. 3 Membership degree of sample set to fuzzy description ζC1， ζC2， ζC3， ζC4and ζC5

图4 基于OKM聚类方法的聚类结果

Fig. 4 Clustering results based on OKM method

图5 基于OFCM聚类方法的聚类结果

Fig. 5 Clustering results based on OFCM method

图6 文献［10］方法的聚类结果

Fig. 6 Clustering results using the method proposed in reference ［10］

参考文献 22

1	FILIPPONE M， CAMASTRA F， MASULLI F， et al. A survey of kernel and spectral methods for clustering［J］. Pattern Recognition， 2008， 41（1）： 176-190. 10.1016/j.patcog.2007.05.018
2	FIORI A， GRAND A， BRUNO G， et al. Information extraction from microarray data： a survey of data mining techniques［J］. Journal of Database Management， 2014， 25（1）： 29-58. 10.4018/jdm.2014010102
3	GUO J F， FAN Y X， PANG L， et al. A deep look into neural ranking models for information retrieval［J］. Information Processing and Management， 2020， 57（6）： No.102067. 10.1016/j.ipm.2019.102067
4	XU Z S. Intuitionistic Fuzzy Aggregation and Clustering［M］. Berlin： Springer， 2012： 159-221. 10.1007/978-3-642-28406-9_2
5	MAIMON O， ROKACH L. Data Mining and Knowledge Discovery Handbook［M］. Boston： Springer， 2010： 809-835.
6	JAIN A K， DUBES R C. Algorithms for Clustering Data［M］. Englewood Cliffs， Nj： Prentice Hall， 1988： 1-334.
7	BIRANT D， KUT A. ST-DBSCAN： an algorithm for clustering spatial-temporal data［J］. Data and Knowledge Engineering， 2007， 60（1）： 208-221. 10.1016/j.datak.2006.01.013
8	XU D K， TIAN Y J. A comprehensive survey of clustering algorithms［J］. Annals of Data Science， 2015， 2（2）： 165-193. 10.1007/s40745-015-0040-1
9	BEZDEK J C. Selected applications in classifier design［M］// Pattern Recognition with Fuzzy Objective Function Algorithms. Boston： Springer， 1981： 203-239. 10.1007/978-1-4757-0450-1_6
10	DE SMET Y， NEMERY P， SELVARAJ R. An exact algorithm for the multi-criteria ordered clustering problem［J］. Omega， 2012， 40（6）： 861-869. 10.1016/j.omega.2012.01.007
11	BOUJELBEN M A. A unicriterion analysis based on the PROMETHEE principles for multicriteria ordered clustering［J］. Omega， 2017， 69： 126-140. 10.1016/j.omega.2016.08.007
12	梁小成，高娜. VTS船舶分级管理探讨［J］.南通航运职业技术学院学报， 2009， 8（2）： 87-90. 10.3969/j.issn.1671-9891.2009.02.025
	LIANG X C， GAO N. Research on classification and management of vessel in VTS are［J］. Journal of Nantong Vocational and Technical Shipping College， 2009， 8（2）： 87-90. 10.3969/j.issn.1671-9891.2009.02.025
13	裴希山.分层次教学现状调查研究［J］.山西财经大学学报（高等教育版）， 2008， 11（2）： 59-62. 10.3969/j.issn.2095-106X.2008.02.015
	PEI X S. Investigation and analysis on status of ranking teaching［J］. Journal of Shanxi University of Finance and Economics （Higher Education Edition）， 2008， 11（2）： 59-62. 10.3969/j.issn.2095-106X.2008.02.015
14	CAO F Y， LIANG J Y， LI D Y， et al. A weighting k-modes algorithm for subspace clustering of categorical data［J］. Neurocomputing， 2013， 108： 23-30. 10.1016/j.neucom.2012.11.009
15	LIU X D， CHAI T Y， WANG W. AFS fuzzy logic system and its applications to model and control［J］. International Journal of Information and Systems Sciences， 2006， 2（3）： 285-305.
16	CHEN L H， XU Z S， WANG H， et al. An ordered clustering algorithm based on K-means and the PROMETHEE method［J］. International Journal of Machine Learning and Cybernetics， 2018， 9（6）： 917-926. 10.1007/s13042-016-0617-9
17	BAI C Z， ZHANG R， QIAN L X， et al. An ordered clustering algorithm based on fuzzy c-means and PROMETHEE［J］. International Journal of Machine Learning and Cybernetics， 2019， 10（6）： 1423-1436. 10.1007/s13042-018-0824-7
18	我国国际航行海员职业幸福感指数［R/OL］. ［2021-02-10］. . 10.4328/acam.20255
	’ vocational happiness index in China ［R/OL］. ［2021-02-10］. 10.4328/acam.20255
19	LIU X D. The fuzzy theory based on AFS algebras and AFS structure［J］. Journal of Mathematical Analysis and Applications， 1998， 217（2）： 459-478. 10.1006/jmaa.1997.5718
20	SARRAZIN R， DE SMET Y， ROSENFELD J. An extension of PROMETHEE to interval clustering［J］. Omega， 2018， 80： 12-21. 10.1016/j.omega.2017.09.001
21	LIU X D， PEDRYCZ W. Axiomatic Fuzzy Set Theory and Its Applications［M］. Berlin： Springer， 2009： 111-166. 10.1007/978-3-642-00402-5
22	LIU X D， WANG W， CHAI T Y. The fuzzy clustering analysis based on AFS theory［J］. IEEE Transactions on Systems， Man， and Cybernetics， Part B （Cybernetics）， 2005， 35（5）： 1013-1027. 10.1109/tsmcb.2005.847747

[1]	赵小虎, 李晓. 基于多特征提取的图像语义描述算法[J]. 计算机应用, 2021, 41(6): 1640-1646.
[2]	成科扬, 孟春运, 王文杉, 师文喜, 詹永照. 解耦表征学习研究进展[J]. 《计算机应用》唯一官方网站, 2021, 41(12): 3409-3418.
[3]	张战成, 张大龙, 罗晓清. 带有语义特征得分的肺结节检测方法[J]. 计算机应用, 2020, 40(3): 925-930.
[4]	雷恒鑫, 刘惊雷. 利用CUR矩阵分解提高特征选择与矩阵恢复能力[J]. 计算机应用, 2017, 37(3): 640-646.
[5]	姜大庆周勇夏士雄. 基于语义描述与优化的网络性能数据聚类方法[J]. 计算机应用, 2012, 32(06): 1522-1525.
[6]	白裔峰肖建于龙黄景春. 基于结构风险最小化的加权偏最小二乘法[J]. 计算机应用, 2007, 27(4): 939-941.

可解释性有序聚类方法及其应用分析

Interpretable ordered clustering method and its application analysis

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 22

相关文章 6

编辑推荐

Metrics