第十二章土地信息学.pptVIP

和11点，在第十二行中取 ，由11点的另一方向延长至12点；在第十三行中取 ，由13点延长至16点；在第十四行中取 ，连结7点和14点；在第十五行中， 已删去（已用过）， 的3点已在本系统内表示，如果取 ，图表将在本系统内产生闭合，所以应顺次取 ，连结15点和2点；此时全部点已表示在图表上，仅需选取一个距离将两大分支连结。在最后两列中选取最短距离 ，把整个图表连结一起，到此，树状图表已完整建立起来，见图 §12-3类 型 划 分 树 状 图 表 聚 类 模 型 从图中可知，两点之间的逼近，表示其分类较为相似。对整个图表用相对较长的距（如取t=2.3），可把各单元分成几类（如本例分成四类）。分类结果与最短距离法的结果一致。 用上述方法追踪数据是比较方便的，建成图表后分类也比较灵活简便，识别比较直观；但图表的制作随着单元的增多，困难也相应地加大。 在图表建立过程中应注意以下两个问题， 1．每行距离系数只能选用一次，共选用n—1行距离系数(因第一个距离选用时已在图表上表示了两个点)。 2．除删去已选用的对称距离系数外，图表在本系统内不允许闭合。因此，需要在该行中顺次选取其次的最短距离。 §12-3类 型 划 分 树 状 图 表 聚 类 模 型 §12-4 类型划分的变量平均值逐步 替代（贝利）聚类模型 第十二章 要素类型划分模型 该方法的聚类特点是，在每合并一次类后，需要根据合类样品各指标的平均值重新计算新的距离系数，再在新的距离系数矩阵中进行聚类；如此逐步计算合并，直至达到所需要的分类数目为止。 设有样品单元为 ，各单元的指标为 ，变量为 。经数据规格化并计算距离系数后得 假如在 中 最小，则A、B合并为一类；合并后计算A和B样本各指标相应的平均值，得 其余类推。据此计算新的距离系数矩阵 再进行分类合并。如果第二次 是为最小，则合并C，D那么，计算新的指标为 再计算距离系数矩阵；如果第二次 是为最小，则A，B，C应合并为一类，新的指标应为 §12-4 变 量 平 均 值 逐 步 替 代 模 型 据此计算距离系数矩阵 进行分类合并。直至所需分类数目为止。 同样也可根据逐步替代法作聚类图，其作图法与前一致，只是每合类一次后，需要根据新的距离系数矩阵选取最小距离值，并划去相应矩阵中的该行和列。 上述实例，按逐步替代法计算的分类结果为： Ⅰ---1，5，10，11 Ⅱ---2，13，16 Ⅲ---3，4，6，7，8，9，14，15，17 Ⅳ---12 其相应的聚类图和类型分类图见图 §12-4 变 量 平 均 值 逐 步 替 代 模 型 这个分类结果是在最短距离方法的基础上进一步深化的结果。第5区和第11区的变量数据特点接近于第1区和第10区的类型，在此合并为一类，第9区的变量数据特征接近于第Ⅲ类，在此归入该类，而第2、13、16三个区域，具有 的小值，故在此单独成第Ⅱ类。 §12-4 变 量 平 均 值 逐 步 替 代 模 型 §12-4 变 量 平 均 值 逐 步 替 代 模 型 §12-4 变 量 平 均 值 逐 步 替 代 模 型 §12-5 类型划分的典型样本单元 聚类模型 第十二章 要素类型划分模型 一、典型样品单元聚类模型的分类方法 二、典型样品单元聚类模型的分类实例 §12-5 典 型 样 本 单 元 聚 类 模 型 一、典型样品单元聚类模型的分类方法 前述几种分类方法，都是把n个样品按距离相近的关系，对每个样品等价划分为g类。有时，需要在各类中找出某个样品作为该类的典型样品，即首先根据样品之间距离远近的特点找出与分类数g相对应的几个典型样品单元，然后把剩余的尚未归类的样品，按与选出的几个典型样品单元的相近关系，分别归入有关类型，即获得分类结果。 典型样品单元的分类方法是先按距离系数矩阵确定典型的样品单元，然后把与这些典型单元接近的单元组成同种的区域(样品)单元类型。 §12-5 典 型 样 本 单 元 聚 类 模 型 1．确定分类典型的起始单元 首先，计算各单元规格化指标组成的指标综合体，即 如果 表示该单元在m维空间中近似位于坐标原点附近，处于各单元的中央位置。因此，取Vi值最小的单元为假设起始单元，作为计算分类典型的“起算点”，用gm表