r(巨大，硕大)= r(硕大，巨大)= = = 0.75

r(巨大，庞大)= r(庞大，巨大)= = = 0.80

r(巨大，宏大)= r(宏大，巨大)= = = 0.40

r(硕大，庞大)= r(庞大，硕大)= = = 0.60

r(硕大，宏大)= r(宏大，硕大)= = = 0.50

r(庞大，宏大)= r(宏大，庞大)= = ≈ 0.33

　　将以上得出的所有的相似系数表示在矩阵中，就得到了描述同义词“巨大”、“硕大”、“庞大”、“宏大”两两之间关系的模糊相似矩阵：

　　巨大 硕大 庞大 宏大

=

从这个矩阵中我们可以直观地看出，处于同一个同义聚合体中的各个词语，它们相互之间具有同义关系的程度是不同的。用我们前面论述的方法分别对上述四个同义词两两之间的关系进行测试，可以得到词语“巨大”与“庞大”的相似程度最大，为0.80，词语“庞大”与“宏大”的相似程度最小，为0.33。经验证可知，该模糊相似矩阵不具有传递性，即≠，所以它不是模糊等价矩阵，我们要想进行模糊聚类分析，还需要根据平方自合成法求出的传递闭包t()。按照模糊矩阵合成的运算法则，可得

==≠

===

故就是所求的传递闭包t()。选取适当的置信水平值[0，1]，按截矩阵t()进行动态聚类，可以得到如下的聚类结果：

(1)取=1，得到的截矩阵为：

t()=

四个词语在=1的聚合条件下自成一类，此时U分为四类：巨大、硕大、庞大、宏大。

(2)取=0.80，得到的截矩阵为：

t()=

词语“巨大”与“庞大”可以在=0.80的聚合条件下归为一类，此时U分为三类：巨大，庞大、硕大、宏大。

(3)取=0.75，得到的截矩阵为：

t()=

词语“硕大”可以分别与词语“巨大”、“庞大”在=0.75的聚合条件下归为一类，此时U分为两类：巨大，硕大，庞大、宏大。

(4)取=0.50，得到的截矩阵为：

t()=

词语“宏大”可以在=0.50的聚合条件下与其余三个词语归为一类，此时U分为一类：巨大，硕大，庞大，宏大。

　　利用上述聚类结果可得动态聚类图如下：

巨大 硕大 庞大 宏大

1.00

0.80

0.75

0.50

通过对“巨大”、“硕大”、“庞大”、“宏大”这四个同义形容词进行模糊聚类分析可以发现，处于同一个同义聚合体中的各个词语，它们相互之间的聚合并不在同一平面上，而是可以分为不同层次的小类，这种不同的小类正可以通过模糊聚类分析得到充分的展示。我们用聚类选取的置信水平值来表示同义词相互之间的聚合水平，在上面的四个同义词中，词语“庞大”在0.80的聚合水平上与词语“巨大”聚为一类，在0.75的聚合水平上与词语“硕大”聚为一类，而在0.50的聚合水平上才与词语“宏大”聚为一类。就词语“庞大”而言，它隶属于哪一小类并不是绝对的，而只能在一个确定的程度上相对地隶属，这正是模糊聚类分析法的特点所在。

 3/4   首页 上一页 1 2 3 4 下一页 尾页