text
stringlengths
0
1.95k
i
r
1
=
минимальное значение при полной нечеткости разбиения, когда расстояния от каждого
190
объекта до центра тяжести любого кластера равновелики m = 1/k. Напротив, в случае
четкой кластеризации (m = 1 или 0) коэффициент Данна Fk принимает значение 1. Для
представленного примера Fk = 0.47, а его нормированная версия, изменяющаяся от 0 до 1
и характеризующая степень нечеткости
(
kF
k
Оценка связи видовой структуры с факторами среды. Операции с нечеткими
множествами были реализованы в методе ординации сообществ, известном под
аббревиатурой FSO (Fuzzy Sets Ordination – Roberts, 1986, 2008). В одномерном FSO
исследователем задается один ключевой параметр среды z, который потенциально может
оказаться ведущим градиентом, а свойства экосистемы описываются рефлексивной и
симметричной матрицей любых мер подобия d(x, y) между каждой парой экологических
объектов в пространстве видов.
= 0.207.
/()1
'
F
k
)1
-
-
=
k
В отличие от статистических методов оценки силы влияния фактора
z,
рассмотренных в предыдущих главах и оперирующих с реальными данными, метод FSO
выполняет их предварительную фаззификацию, т.е. перевод в нечеткое топологическое
пространство. После этого связи между компонентами экосистемы ищутся с учетом
нечетких отношений между ними, задаваемых функциями принадлежности µP(x).
Пусть x и y – анализируемые экологические объекты (например, местообитания), а
d(x, y) – сходство между этими объектами в соответствии с выбранной метрикой, такой
как мера Жаккара, Съеренсена, Горна, Юла и др. Выполняется формирование
четырех нечетких множеств, P = {x, µP(x)}, P = E, C, D, A , где µP(x), – функция
принадлежности, задающая на интервале [0, 1] меру близости любой пары экологических
объектов из множества P и вычисляемая следующим образом:
° функция принадлежности µA(x) является набором нормированных значений
фактора среды zx для всех классифицируемых объектов x:
m A
x
)(
=
z
x
max(
min(
-
z
)
-
z
)
min(
;
z
)
° две функции связывают µA(x) с d(x, y) и соответствуют высоким и низким
(
d
)(
x
m-