Risk Division of Geographical Relation and Humanities in Ten ASEAN Countries Based on Improved Cloud Model Method

LIU Ke-feng; HONG Mei; GE Jing-jing; ZHANG Yun-xiang; LI Fu-liang; YANG Li-zhi

doi:10.3969/j.issn.1673-3819.2021.04.011

Command Control and Simulation >

2021 , Vol. 43 >Issue 4: 53 - 60

DOI: https://doi.org/10.3969/j.issn.1673-3819.2021.04.011

Theory & Research

Risk Division of Geographical Relation and Humanities in Ten ASEAN Countries Based on Improved Cloud Model Method

LIU Ke-feng ¹ ,
HONG Mei ¹ ,
GE Jing-jing ² ,
ZHANG Yun-xiang ¹ ,
LI Fu-liang ¹ ,
YANG Li-zhi ³

Expand

1. Institute of Meteorology and Oceanography, National University of Defense Technology, Nanjing 211101
2. The 31110 Troop of PLA, Nanjing 210016
3. The 78127 Troop of PLA, Chengdu 610000, China

Received date: 2021-03-02

Revised date: 2021-05-26

Online published: 2022-05-20

Fold

Abstract

Based on fuzzy c-means clustering method,this paper selects the ASEAN countries in “the Belt and Road” as the research object. Learning from the cloud model theory which is improved by fuzzy mean clustering method and using the quantitative and qualitative data, we carry on cluster analysis and risk zoning of the political, economic, public and other aspects of the ASEAN countries and China. The ten ASEAN countries can be divided into three categories, namely “smooth flow type”, “good type” and “potential type”. Different investment and cooperation policies can be adopted for them, which can provide reference for China's “the Belt and Road” construction.

Key words： the Belt and Road; fuzzy c-means clustering; risk zoning; clustering analysis

Cite this article

LIU Ke-feng , HONG Mei , GE Jing-jing , ZHANG Yun-xiang , LI Fu-liang , YANG Li-zhi . Risk Division of Geographical Relation and Humanities in Ten ASEAN Countries Based on Improved Cloud Model Method[J]. Command Control and Simulation, 2021 , 43(4) : 53 -60 . DOI: 10.3969/j.issn.1673-3819.2021.04.011

“21世纪海上丝绸之路”是2013年10月习近平总书记访问东盟时提出的倡议,得到了国际社会的积极响应。“海上丝绸之路”以其悠久的历史成为我国建设海洋强国战略中重要的一环。但从古至今,中国和亚太各临海国家之间,其政治历史进程、经济发展程度、民族风俗习惯与社会意识形态等都存在差异,可以预见实施“一带一路”将面临各种风险挑战。故要更为完善地实施“一带一路”, 首先要进行详细的风险评估和区划,并在此基础上考虑中国与各个合作国之间的各项指数水平,开展新型的、适合形势的合作方式。

21世纪海上丝绸之路沿线国家国情复杂,其政治沟通水平、经济发展水平、基础设施建设和对中国的认知都不尽相同,因此在进行“海上丝路”建设时必然会遇到各种风险挑战。此外,有些国家还面临政局不稳、恐怖主义、民族冲突、经济低迷等矛盾,其自然人文环境对我国长期投资存在风险。而若想充分地规避风险、降低风险,必须有效地识别风险。考虑“一带一路”对我国未来发展非常重要,国内外的机构和学者对“一带一路”开展了大量的研究,针对其地缘上的优势^[1]、金融上的特点^[2]和安全存在的问题^[3-4]等各个方面发表了很多有价值的论文。其中,王继民等基于构建指标体系得到了国家互联互通指数,最终用量化打分等^[5]方式给出了中国同合作国的各项指数水平。

通过阅读文献发现^{[6⇓⇓⇓⇓⇓-12]},虽然关于“一带一路”地缘关系的研究内容非常丰富,范围非常广泛,但是大部分的研究仍然局限于问题的定性分析层次上,缺乏充分的数据支撑,研究结论难以让人信服。如何从定性文字中客观合理地提取定量信息,从而将其精确转化为定量化研究数据,是正确实施地缘人文风险评估的关键一步。特别是在数据分析聚类方面,只有在充分了解我国与“一带一路”沿线国家的政策、设施、贸易等互联互通情况的基础上,才能对其进行合理的风险区划。

针对以上研究存在的问题,结合东盟十国的各自发展情况,本文拟采用云模型与模糊c均值聚类相结合的方法对我国与“一带一路”沿线的东盟十国在经济、民心和政治等方面的评价指数开展聚类研究。鉴于互联互通指数指标众多,部分指标仅有定性的文字资料,属于定性范畴,本文引入了云模型理论以转化定性资料,使定性概念也可以使用模糊c均值聚类方法进行聚类分析。研究过程与方法可为该聚类和评估问题提供研究借鉴,聚类和评估结果旨在为我国政府“一带一路”提供决策辅助。

1 数学模型

1.1 模糊c均值聚类

获得函数最优解是模糊聚类算法的核心所在。它通过使用微积分计算技术求得最优代价函数模型,进而通过迭代求得聚类结果。模糊聚类算法中的聚类向量对各个类别都有其隶属度,从而摆脱了硬聚类存在的非此即彼、不符合客观规律的问题。对于模糊聚类而言,向量对不同的聚类的隶属度相互关联,硬聚类则是模糊聚类的特例。

1.1.1 模糊算法及聚类

模糊聚类算法大致可分为三类^[13]:

1)聚类数不给定,根据一定要求对聚类向量进行动态聚类,这种聚类方式被称为模糊等价矩阵动态聚类分析法。

2)聚类数给定,用聚类算法获得最优分类方法,建立价值函数进行聚类分析,这就叫作模糊c 均值聚类方法。

3)根据模糊相似矩阵聚类的原理,在有意义的摄动情况下进行聚类分析,这类方法叫作基于摄动的模糊聚类分析法。

1.1.2 模糊c均值(FCM)聚类算法

模糊c均值聚类(FCM)算法是一种用隶属度表示聚类向量对于某一类隶属程度的聚类算法,它是一种通过对硬c聚类(HCM)进行改进而获得的算法。

FCM与HCM不同之处在于FCM采取了模糊划分,用阈值为[0,1]的隶属度来表示聚类向量隶属于各个聚类中心的程度。但是采用FCM必须符合归一化原则,即聚类向量的隶属度之和为1:

(1)

∑ i = 1 c

u_ij=1,∀j=1,…,n

根据定义和归一化原则,求出的目标函数为

(2)J(U,c₁,…,c_c)=

∑ i = 1 c

J_i=

∑ i = 1 c ∑ j = 1 n u i j m

d i j 2

其中

u i j m

阈值为[0,1];c_i是第i个聚类中心;d_ij=‖c_i-x_i‖ 为第 i个聚类中心与第 j 个聚类向量的欧氏距离;m为阈值为[1,∞)的一个加权指数,本文中取值不做讨论,取值为2。

通过计算,使(2)式达到最小值的必要条件为:

(3)c_i=

∑ j = 1 n u i j m x j ∑ j = 1 n u i j m

和

(4)u_ij=

1 ∑ k = 1 c d i j d k j 2 m - 1

通过上面两个条件可以看出,FCM是一个迭代算法,其程序运算步骤为:

步骤 1:建立一个用阈值为[0,1]间的随机数构成的隶属矩阵U,并使其满足式(1)中归一化前提条件。

步骤 2:通过式(3)进行计算,得出c个聚类中心。

步骤 3:根据式(2)计算价值函数。如果它小于一个预先设定的值,或者两次计算的价值函数变化小于一个预先设定的值。

步骤 4:用式(4)计算新的U矩阵。返回步骤 2。

通过调整迭代次数或价值函数阈值终止函数后,即可得到由FCM方法聚类而成的结果。

FCM方法原理及设计简单,使用问题广泛且易以计算机实现,本文所有聚类都使用FCM方法。

1.2 云模型

1.2.1 云模型理论

在复杂多变的国际环境中,国与国的关系难以精确衡量,在进行风险区划时,很多信息以定性的概念来表示。人通过语言对事物的描述充满了随机性和模糊性,要将这些定性的概念转化为可以运算的定量数据,必须同时解决其随机性和模糊性的问题。为了解决这个经典数学方法无法处理的问题,李德毅院士根据概率论和模糊数学给出了隶属云的定义^[14]。每个隶属度x都是一个云滴,各个云滴形成“一片”完整的云,而云的整体形状则是对定性概念整体的反映。云模型理论把随机性和模糊性结合起来进行表达,这样既可以体现出相关性,又是实现定性概念与定量数据转化的有效途径。

我们可以通过云的三个数字特征反映定性概念的整体定量特性:

1)期望Ex:代表信息的重心,是重心值,是最能表示定性概念的那个点。

2)熵En:熵是专门用来度量不确定性的,其反映定性概念的模糊性和随机性,在云模型中体现为云滴的离散程度。一般情况下,熵与定性概念的模糊性和随机性正相关。

3)超熵He:和熵类似,超熵则是对熵随机性和模糊性的度量,即是熵的熵。

1.2.2 正向云发生器

由于正态分布以及钟形隶属函数的普适性^[15],正态云模型是当今最常用的云模型。因为正态分布可以用期望和方差生成,其钟形隶属度一般为μ(x)=

e - (x - a) 2 2 b 2

,正态云的定义是:设U是精确数值上定量论域,A是U上的定性度量,对A来说 x的确定度符合μ=

e - (x - E x) 2 2 (E n' 2)

,那么说在论域A区间,x是正态云分布。

云滴通过正向正态云发生器产生(与期望、熵和超熵有关),其理论依据如图1,计算步骤如下:

a.生成一个En为期望,He²为方差的随机数En';

b.生成一个Ex为期望,En'为方差的随机数x;

c.计算μ(x_i)=

e - (x i - E x) 2 2 (E n' i) 2

;

d.产生云滴,其隶属度为μ(x_i);

e.重复上面四个步骤,直到云滴数是n个,可以终止。

显示原图|下载原图ZIP|生成PPT

图1 正向正态云发生器

2 仿真实验

借鉴王继民团队的互联互通指数评价指标体系,并针对本文问题的特殊性以及数据的合理性,进行了修改调整,将其原来42个指标删减和调整为28个指标,最终形成三个层次的综合评价指标体系,其中包含一级指标层和二级指标层,如表1所示。

表1 21世纪海上丝绸之路国家地缘风险的评价指标体系

目标层	一级评价指标层	二级评价指标层
“海丝路”沿线国家的互联互通指数	政策通畅性	高层交流友好程度d₁
		合作关系d₂
		政治是否稳定d₃
		两国互驻领使馆数d₄
		政府廉政程度d₅
		政府办事效率d₆
	设施互通性	物流快捷程度d₇
		与我国电话畅通程度d₈
		与我国铁路畅通程度d₉
		与我国海路畅通程度d₁₀
		与我国是否直航d₁₁
		道路运输能力d₁₂
		网络普及程度d₁₃
	贸易联通性	与我国投资畅通程度d₁₄
		与我国贸易金额d₁₅
		中国直接投资金额d₁₆
		关税金额d₁₇
	资金畅通性	外债总金额d₁₈
		金融的监管程度d₁₉
		投行合作程度d₂₀
		互换货币程度d₂₁
		外汇储备总量d₂₂
		信用市场的规范程度d₂₃
		贷款便利程度d₂₄
	民心相通性	孔子学院的总量d₂₅
		网民的互相友好关注程度d₂₆
		旅游炙热程度d₂₇
		两国民众互相好感程度d₂₈

2.1 数据说明及数据处理

建立好指标体系后,我们需要对各个指标的数据进行采集和处理。

2.1.1 数据说明

主要的数据来源包括IFS数据库、国际清廉指数、物流绩效指数、中国-东盟国家统计手册、中国外交部网站相关文件资料、国家统计局数据、国家商务部统计数据、国家银监会发布文件资料、世界银行公布的世界各国营商便利指数等。这28个指标有数据类型也有文字类型,我们统一将所有指标都分为5个等级来打分。所有数据和指标的评语打分准则如表2所示。

表2 东盟十国关于互联互通指数指标的数据和评语

	A国	B国	C国	D国	E国	F国	G国	H国	I国	J国
d₁	低	中等	低	中等	高	较高	较高	较高	中等	较低
d₂	低	较高	低	中等	高	较高	较高	高	中等	较高
d₃	4	6	6	4	4	6	4	6	3	1
d₄	较低	低	较高	低	较低	高	较高	较高	较低	高
d₅	2.582	2.776	2.338	1.052	1.76	4.778	3.697	1.759	2.427	3.416
d₆	2.584	3.708	2.892	1.551	2.375	10	4.779	2.238	3.038	5.931
d₇	3	3.43	3.15	2.25	2.74	4	3.59	2.39	3.08
d₈	1	1	1	1	1	1	1	1	1	1
d₉	0	0	1	0	0	0	0	0	0	0
d₁₀	1	1	1	1	1	1	1	0	1	1
d₁₁	8.46	9.538	20.83	1.468	3.299	33.32	14.84	1.828	17.75	17.68
d₁₂	14.24	20.62	8.152	14.3	2.226	55.14	36.27	4.407	14.16	40.7
d₁₃	0.534 01	0.620 52	0.161 88	0.168 2	0.803 6	0.727 86	0.153 78	0.318 72	0.581 35	0.797 35
d₁₄	低	低	低	低	低	低	低	低	低	低
d₁₅	432.81	726.7	836.4	69.7	24.99	797.4	1 020.2	27.4	635.8	19.36
d₁₆	1	1	1	1	1	1	1	1	1	0
d₁₇	22 495	83 946	33 289	34 313	43 827	281 363	52 134	102 690	127 198	-328
d₁₈	较高	较高	低	低	高	中等	较低	较低	高	高
d₁₉	1	1	1	0	1	1	1	0	2	0
d₂₀	1	1	1	1	1	1	1	1	1	0
d₂₁	中等	较高	较高	低	较高	高	高	低	中等	较高
d₂₂	5	7	7	5	7	9	7	5	7	7
d₂₃	738	1 590	255	76	44	2 705	1305	8.39	934	30
d₂₄	-4.862	-16.15	-6.512	36.65	21.92	-298.3	-40.24	54.36	8.049	-1 056
d₂₅	较低	高	较高	较低	较低	较高	中等	低	较高	低
d₂₆	3	12	1	1	1	1	1	1	1	0
d₂₇	低	中等	低	较低	中等	高	高	较高	较高	中等
d₂₈	低	中等	低	较低	高	较高	较高	高	中等	中等

2.1.2 评价集的云模型数字特征转化

若是使用模糊c均值聚类方法,则必须得对评价集中评语进行云模型转化。设定评价集V={高,较高,中等,较低,低}分别对应的取值区间为(80,100)、(60,80)、(40,60)、(20,40)、(0,20)。对这些区间进行云计算,从而得到云的数字特征,再将评语集中的评语转化为特征值表示的云模型。

用公式(5)对双边约束评语来转化特征数字。其中,k是常数,其反映我们评价结果的正态分布偏离程度,一般通过反复实验确定其值。对于评价集中的单边约束评语,将单边界作为期望值,特征数字转化遵循下列公式:

(5)

E x = (a + b) / 2 E n = (b - a) / 6 H e = k

(6)

E x = a o r b E n = (b - a) / 3 H e = k

最后可以根据试验得到在He=0.1的条件下的分布特征^[16]。

2.2 实验步骤

由表2可知,数据资料存在多种形式,而模糊c均值聚类只能处理定量的数据,故先使用云模型将定性概念转化为定量数据,再将数据代入模糊c均值聚类算法中即可得到结果,如图2所示。

显示原图|下载原图ZIP|生成PPT

图2 实验步骤流程图

具体步骤如下:

1)上述数据表格由不同格式的数据资料构成,使用模糊c均值聚类方法前,将其分为三类数据分别进行处理:

①对具有确切数值的数据指标数据进行标准化处理,得到[0,1]之间的数,即可使用模糊c均值聚类进行计算;

②对存在性描述的数据,直接将其聚类,并将其类别隶属度强迫为1,其余类别隶属度强迫为0。

③根据云模型理论量化所有的定性概念,云模型数字特征可以通过转化得出,分别设0和1为约束上限和下限。

2)将数据带入模糊c均值聚类算法,得到隶属度矩阵U和聚类中心center。

3)对初级指标类别属性及次级指标相似度进行定义,做出风险区划,并求得相似度。

2.3 聚类结果及分析

根据上面的改进云模型方法,进行东盟十国的人文聚类实验后,我们可以得到如下的聚类结果。

2.3.1 互联互通指数指标层聚类

将处理后的结果代到聚类模型里,分别对政策通畅性、设施互通性、贸易联通性、资金畅通性、民心相通性5个方面的所有指标进行最终聚类,可以得到不同的聚类中心和聚类结果,最终结果如表3和表4。

表3 东盟10个国家互联互通指数的聚类结果(取三位小数)

	I国	G国	A国	F国	B国	J国	C国	H国	D国	E国
d₁	0.652	0.354	0.352	0.690	0.654	0.096	0.093	0.682	0.578	0.665
d₂	0.515	0.586	0.176	0.750	0.735	0.748	0.176	0.737	0.517	0.744
d₃	0.595	0.645	0.645	0.999	0.999	0.175	0.999	0.999	0.645	0.645
d₄	0.281	0.614	0.281	0.772	0.283	0.799	0.790	0.792	0.312	0.378
d₅	0.534	0.807	0.537	0.809	0.539	0.702	0.526	0.342	0.357	0.342
d₆	0.271	0.514	0.253	0.999	0.369	0.523	0.261	0.257	0.280	0.254
d₇	0.763	0.917	0.763	0.907	0.857	0.580	0.765	0.582	0.580	0.713
d₈	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000
d₉	0.000	0.000	0.000	0.000	0.000	0.000	1.000	0.000	0.000	0.000
d₁₀	1.000	1.000	1.000	1.000	1.000	1.000	1.000	0.000	1.000	1.000
d₁₁	0.522	0.510	0.221	0.997	0.281	0.522	0.540	0.130	0.134	0.120
d₁₂	0.209	0.686	0.210	0.996	0.358	0.693	0.198	0.220	0.211	0.236
d₁₃	0.714	0.236	0.715	0.938	0.729	0.966	0.234	0.374	0.233	0.964
d₁₄	0.193	0.193	0.221	0.203	0.220	0.220	0.221	0.203	0.219	0.219
d₁₅	0.569	0.782	0.519	0.818	0.723	0.036	0.834	0.036	0.039	0.036
d₁₆	1.000	1.000	1.000	1.000	1.000	0.000	1.000	1.000	1.000	1.000
d₁₇	0.372	0.153	0.114	1.000	0.344	0.141	0.110	0.373	0.111	0.124
d₁₈	0.655	0.321	0.638	0.647	0.876	0.862	0.329	0.325	0.326	0.868
d₁₉	1.000	1.000	1.000	1.000	1.000	0.000	1.000	0.000	0.000	1.000
d₂₀	1.000	1.000	1.000	1.000	1.000	0.000	1.000	1.000	1.000	1.000
d₂₁	0.490	0.737	0.493	0.724	0.651	0.751	0.751	0.235	0.236	0.717
d₂₂	0.851	0.716	0.468	0.851	0.720	0.727	0.716	0.471	0.537	0.714
d₂₃	0.415	0.437	0.330	0.993	0.476	0.037	0.051	0.039	0.036	0.037
d₂₄	0.964	0.961	0.964	0.694	0.964	0.003	0.003	0.955	0.959	0.960
d₂₅	0.608	0.279	0.302	0.558	0.568	0.541	0.798	0.289	0.297	0.277
d₂₆	1.000	1.000	0.000	1.000	0.000	0.000	1.000	1.000	1.000	1.000
d₂₇	0.527	0.525	0.762	0.508	0.549	0.073	0.917	0.109	0.422	0.103
d₂₈	0.508	0.656	0.241	0.782	0.508	0.508	0.252	0.782	0.263	0.767

表4 东盟国家互联互通指数指标层聚类中心

	d₁	d₂	d₃	d₄	d₅	d₆
一类	0.737 274	0.189 247	0.174 392	0.151 421	0.324 341	0.519 735
二类	0.166 55	0.517 024	0.999 46	0.411 099	0.857 249	0.999 158
三类	0.508 317	0.746 583	0.644 378	0.755 158	0.537 166	0.253 132
	d₇	d₈	d₉	d₁₀	d₁₁	d₁₂	d₁₃
一类	0.763 299	0	0	0	0.996 616	0.284 147	0.714 22
二类	0.929 502	0	0	0	0.119 139	0.800 697	0.231 08
三类	0.578 177	1	1	1	0.522 002	0.085 794	0.968 427
	d₁₄	d₁₅	d₁₆	d₁₇
一类	0.213 025	0.035 331	0	0.999 553
二类	0.142 438	0.535 822	0	0.110 073
三类	0.190 654	0.834 85	1	0.372 924
	d₁₈	d₁₉	d₂₀	d₂₁	d₂₂	d₂₃	d₂₄
一类	0.786 369	0	0	0.758 446	0.545 893	0.035 326	0.694 307
二类	0.223 419	0	0	0.513 319	0.689 584	0.437 035	0.964 304
三类	0.422 207	1	1	0.239 689	0.906 327	0.993 57	-0.002 98
	d₂₅	d₂₆	d₂₇	d₂₈
一类	0.423 822	0	0.459 301	0.518 686
二类	0.737 119	0	0.183 688	0.254 698
三类	0.244 071	1	0.808 53	0.779 347

从聚类结果我们分析,可以得到如下结论:

1)政策沟通

部分国家与我国政策沟通水平整体较高,这与其良好的国内政治环境不无关系。其与中国交流密切,政治条件优秀,可进一步加强沟通交流,我们称其为“畅通型”。

有一些国家与中国的政策沟通水平中等偏上,其与我国大部分指标都较好,但其国内政局不是非常稳定,具有一定程度的风险,我们称其为“良好型”。

剩余国家与我国政策沟通程度较低,甚至因为某些原因与我国存在一定矛盾,且若要改善局面,需要两国共同不懈努力,其具有较大风险,我们称其为“高风险型”。

2)设施联通

一些国家跟我国之间的设施联通程度很低,其运输的渠道比较少,并且这些国家自身的基础设施和物流的水平就比较低,仍然有比较大的进步空间,我们称其为“潜力型”。

一些国家跟我国设施联通程度较高,而且这些国家自身的基础设施和物流水平就比较高,并且也有海路及飞机直通我国,我们称其为“畅通型”。

剩余国家跟我国设施联通程度一般,虽然有飞机、海路、铁路等三路直通,然而本国自身基础设施和物流水平较低,急需加强,我们称其为“良好型”。

3)贸易联通

一些国家自身贸易联通程度比较高,加之东盟国家与我国之间90%以上产品实行了零关税,这些国家关税水平低,又具有高畅通度,和我国贸易量也很大,我们称其为“良好型”。

一些国家自身贸易联通程度中等,但与中国有一定的投资合作,且关税非常低,所以我们称其为“潜力型”。

剩余国家自身贸易联通程度很低,除了关税程度以外,其余各项指标的评级都是低,提升与我国的合作还需要加大力度,所以我们称其为“待发展型”。

4)资金畅通

一些国家资金畅通性很高,指标体系中各项指标都处于较高水平,但可以看到其外汇的储备总量较低,所以我们称其为“畅通型”。

一些国家资金畅通性较低,指标体系中大多数指标都处于较低水平,特别需要在金融的监管程度、投行合作程度、互换货币程度和信用市场的规范程度等方面进行加强,我们称其为“高风险型”。

剩余国家资金畅通性水平不低,但指标体系中的指标打分有些较高,有些较低,说明这些国家在一些方面与我国畅通度比较好,但有些方面合作会遇到很多困难,这就需要针对重点方向进行选择性加强,我们称其为“待发展型”。

5)民心相通

一些国家民心相通的程度比较高,这些国家民众对我国的关注度也比较高,我们称其为“良好型”。

一些国家与我国的沟通方式方法很多,但民众对我国的关注与好感度比较低,想提高这类国家民心相通水平会比较困难,我们称其为“高风险型”。

剩余国家与我国的沟通程度一样不高,但与前面两类不同,是因为这类国家民众认识我国的途径较少,所以导致对我国的关注度比较低,但这类国家民众对我国的好感程度还是很高的,提高这类国家人民对我国的好感相对比较容易,我们称其为“待发展型”。

对聚类结果和聚类中心进行分析,进而确定各类国家的属性,见表5。

表5 东盟各国的国家属性

	政策沟通	设施联通	贸易畅通	资金融通	民心相通
I国	良好型	良好型	潜力型	畅通型	高风险型
G国	高风险型	良好型	潜力型	待发展型	待发展型
A国	畅通型	良好型	待发展型	待发展型	良好型
F国	畅通型	畅通型	良好型	畅通型	高风险型
B国	良好型	良好型	潜力型	畅通型	良好型
J国	高风险型	畅通型	潜力型	畅通型	待发展型
C国	良好型	潜力型	潜力型	高风险型	高风险型
H国	高风险型	良好型	待发展型	待发展型	待发展型
D国	高风险型	潜力型	待发展型	待发展型	待发展型
E国	高风险型	良好型	待发展型	畅通型	待发展型

2.3.2 东盟国家次级指标属性相似度分析

相似度指的是个体之间的相似程度,相似度数值越小,表明个体间相似程度越小,也就是个体间差异越大。模糊c均值聚类可以计算出每个国家各个指标对于各类的隶属度,隶属度可清晰反映聚类向量对各个类别的隶属程度,故定义相似度为

(7)sim=

∑ i = 1 c u i c

结果如表6所示。

表6 东盟国家次级指标与聚类中心相似度(取三位小数)

		I国	G国	A国	F国	B国	J国	C国	H国	D国	E国
	一类	0.015	0.372	0.012	0.801	0.327	0.245	0.172	0.482	0.008	0.578
政策沟通	二类	0.630	0.606	0.339	0.190	0.402	0.447	0.483	0.19	0.524	0.043
	三类	0.355	0.022	0.649	0.009	0.27	0.308	0.346	0.328	0.468	0.376
	一类	0.144	0.281	0.152	0.684	0.255	0.290	0.015	0.300	0.145	0.300
设施联通	二类	0.566	0.141	0.445	0.025	0.326	0.146	0.406	0.169	0.143	0.221
	三类	0.289	0.577	0.402	0.290	0.418	0.564	0.579	0.533	0.712	0.482
	一类	0.057	0.219	0.266	0.732	0.172	2.253	0.495	0.007	0.004	0.001
贸易畅通	二类	0.661	0.309	0.219	0.015	0.510	0.268	0.004	0.374	0.018	0.013
	三类	0.282	0.472	0.515	0.253	0.318	0.479	0.501	0.619	0.979	0.986
	一类	0.437	0.416	0.291	0.556	0.727	0.437	0.146	0.282	0.285	0.558
资金融通	二类	0.329	0.300	0.391	0.296	0.262	0.120	0.143	0.009	0.139	0.154
	三类	0.235	0.284	0.329	0.148	0.012	0.453	0.712	0.709	0.575	0.289
	一类	0.604	0.209	0.474	0.206	0.735	0.264	0.382	0.208	0.003	0.254
民心相通	二类	0.137	0.347	0.273	0.535	0.260	0.434	0.112	0.041	0.017	0.062
	三类	0.258	0.443	0.253	0.259	0.005	0.302	0.505	0.751	0.980	0.683

通过计算各次级指标与各聚类中心值相似度的大小,可以得到东盟国家与其归属类的靠近程度和东盟国家与其余聚类中心的差异大小。由上表可知,相似度分析结果与上述聚类结果基本一致。可以看到,对于总的趋势,相似度的大小与聚类结果是一致的,但一些国家除所隶属类别外,对其他类别的相似度也较大,反映了其发展存在的不平衡情况。

3 结束语

本文以模糊c均值聚类为基础对“21世纪海上丝绸之路”沿岸的东盟十国进行了“政策通畅性、设施互通性、贸易联通性、资金畅通性和民心相通性”中的所有二级指标的风险区划,并求得了相似度验证。本文用模糊c均值聚类对云模型聚类算法进行改进,可以克服其容易陷入局部最优的缺点,最终得到了东盟十国不同的风险聚类结果,其计算结果符合客观事实,可信度较高,可为我国“一带一路”建设提供参考。

本文指标依据王继民团队所建立的指标体系搜寻数据进行聚类分析,但由于缺少交互的资料,一些数据无法得到,例如别国对我国投资等数据。下一步工作可以围绕完善指标体系、搜集资料数据展开,在更多方面进行客观合理的分析,为我国“一带一路”建设添砖加瓦。

References

Publishing order | Descend order by publishing year | Descend order by cited within

[1]	王灵桂. 国外智库看“一带一路”[M]. 北京: 社会科学文献出版社, 2015:45-56.

[2]	经济学人智库. “一带一路”沿线国家风险评估[J]. 建筑, 2015(14):25-26.

[3]	《“一带一路”沿线国家安全风险评估》编委会. “一带一路”沿线国家安全风险评估[M]. 北京: 中国发展出版社, 2015:77-78.

[4]	张洁. 中国周边安全形势评估(2016)[M]. 北京: 社会科学文献出版社, 2016:55-58.

[5]	王继民. “一带一路”沿线国家互联互通指数研究[R]. 北京: 海洋信息助推海洋强国战略实施研讨会, 2015.

[6]	李楠. “一带一路”战略支点--基础设施互联互通探析[J]. 企业经济, 2015(8):170-174.

[7]	冯氏惠. “一带一路”与中国-东盟互联互通:机遇、挑战与中越合作方向[J]. 东南亚纵横, 2015, 36(10):32-37.

[8]	谢静. “一带一路”与中国-东盟互联互通中的印度因素[J]. 东南亚纵横, 2015(10):38-41.

[9]	Turksen I B. Interval Valued Fuzzy Sets Based on Normal Forms[J]. Fuzzy Sets & Systems, 1986, 20(2):191-210.

[10]	Torra V, Narukawa Y. On Hesitant Fuzzy Sets and Decision[C]// IEEE IEEE International Conference on Fuzzy Systems, IEEE, 2009:1378-1382.

[11]	Torra V. Hesitant Fuzzy Sets[J]. International Journal of Intelligent Systems, 2010, 25(6):529-539.

[12]	Xia M, Xu Z. Hesitant Fuzzy Information Aggregation in Decision Making[J]. International Journal of Approximate Reasoning, 2011, 52(3):395-407. DOI

[13]	Theodoridis S, Koutroumbas K. Pattern Recognition[M]. Third Edition. Academic Press, Inc., 2006:68-75.

[14]	李德毅, 孟海军, 史雪梅. 隶属云和隶属云发生器[J]. 计算机研究与发展, 1995, 32(6):15-20.

[15]	李德毅, 刘常昱. 论正态云模型的普适性[J]. 中国工程科学, 2004, 6(8):28-34.

[16]	杨理智, 张韧. “21世纪海上丝绸之路”地缘环境分析与风险区划[J]. 军事运筹与系统工程, 2016, 30(1):5-11.

Options

Outlines

模态框（Modal）标题