第五章聚类分析2.pptVIP

推广到m维空间中，即设有n个 样品，每个样品有m个变量（x1、x2 、… 、x1），若有i、k两个样品点， 其坐标分别为： 则i，k两点间的距离为： 四、斜交距离（系数）矩阵 用于Q型。 斜交距离实际上是斜交(仿射)坐标系下两点之间在欧氏空间的距离，或说是校正到欧氏空间的距离，是由斜交分量表示的欧氏距离。 五、离差平方和增量（ ） 误差平方和增量以组内方差为基础推导的，多用于Q型聚类分析。 定义 xijk (k=1,2,…,G;j=1,2,…,m;i=1,2,…,nk) 为第k类中第i个样品的第j个变量的计量； 为第k 类中关于变量j的平均值 1. 称为第k类的组内离差平方和。 例： 有6个样品，每个样品两个变量，分成三类，数据如下： nA=1, nB=2, nC=1, EA=0, EB=1, EC=5。 2. 在系统聚类法中，开始时每个样品自成一类(每类包含一个样品)，此时对每类都有 Ek=0 现在考虑合并问题，假如原有两类p、q要合并成新类t,各类样品数分别为np, nq, nt,平均值分别为 , (j=1,2,…,m)，显然 nt=np+nq, 称: 为合并时的离差平方和增量。 如上例中B与C合并，先算出EBC=40, 则 由 和 可得： 由 3. 上式进一步整理化简得： 与两类中的各变量的重心(平均值)的距离之差成正比， 并以 为比例系数。 该式说明p、q两类合并后离差平方和增量 4. 当p、q两类合并成t时， 其它类(设为r)与p、q的离差平方和增量 、 要刷新为 ,可用刷新方程 5. 离差平方和增量法聚类过程 设样品数为n，每个样品有m个变量，开始时每个样 品自成一类，计算初始离差平方和矩阵 从中选择 最小的两类归并为一类（t），再求类t与其它类的误差平方和增量(利用刷新方程)， (n×n阶)? ((n-1)×(n-1)阶)。再从 中选择 最小的两类归并，直至全部样品归并成一类为止。 要注意的是每归并一次 的阶就减少1，到最后变成2×2阶。 再求类t与其它类的误差平方和增量(利用刷新方程)， 例： 有一批样品，原始数据为 初始离差平方和矩阵 可以看出，其中 =1为最小， 表明类2与3最相似，将它们合并成新类， 现在是 ＝5最小，故将类4与5合并成新类， 再将类1_2与4_5合并成新类， 至此，只剩下2类，1于2_3_4_5， 它们的离差平方和增量为80,故不需计算，将它们合并成一类即可。 上述过程可以写成联接表。 L(联接序号) 联接样品 ?E 1 2～3 1 2 4～5 5 3 2_3～4_5 34 4 1～2_3_4_5 80 最后画出聚类图 第四节 谱系图的形成 经过聚类分析，形成的分类结构图称为谱系图 利用上面的分类统计量初始矩阵，经过一定方法处理，形成谱系图。 一、谱系图成图原则 （1）若选出的两个变量（或样品）在已形成的群中都未出现过，则把它们形成一个独立的新群； （2）若选出的两个变量（或样品）中，有一个在已形成的群中出现过，则把另一个变量（或样品）加入到该群中； （3）若选出的两个变量（或样品）者分别在已形成的群中，则把这两个群连在一起； （4）若选出的两个变量（或样品）在已出现在同一群中，则此两变量（或样品）就不再分群了； 二、成图方法 从例出发，例数据见书上。共６个样品， 每个样品有６个变量（属性）（Ni,Co,Cu,Cr,S,As）。 其相关系数矩阵为 Ni Co Cu Cr S As Ni 1 0.8462 0.7579 0.6431 0.5039 0.5603 Co 1 0.9802 0.2419 0.7370 0.4241 Cu 1 0.1811 0.7210 0.3930 Cr 1 0.3075 0.1998 S 1 0.6802 As 一、一次计算成群法 特点是：所有的成群归并工作都在初始分类统计量矩阵中完成，不需要再计算，是最简便，运算量最少的。 方法：首先从相关系数矩阵中选择相关系数数值最大的一对变量p,q（若pq）开始在谱系图中排列，抹去q行q列，然后在余下的矩阵中选择次大的，依次进行进行。直到所有的变量或样品全部