第二讲聚类分析详解.ppt

* §2 动态聚类 一、思想 系统聚类法是一种比较成功的聚类方法。然而当样本点数量十分庞大时，则是一件非常繁重的工作，且聚类的计算速度也比较慢。比如在市场抽样调查中，有4万人就其对衣着的偏好作了回答，希望能迅速将他们分为几类。这时，采用系统聚类法就很困难，而动态聚类法就会显得方便，适用。 动态聚类解决的问题是：假如有限个样本点，要把它们分为类，使得每一类内的元素都是聚合的，并且类与类之间还能很好地区别开。动态聚类使用于大型数据。 * 选择凝聚点 分 类 修改分类 分类是否合理 分类结束 Yes No * 用一个简单的例子来说明动态聚类法的工作过程。例如我们要把图中的点分成两类。快速聚类的步骤： 1、随机选取两个点 和 作为聚核。 2、对于任何点 ，分别计算 3、若 ，则将 划为第一类，否则划给第二类。于是得图（b）的两个类。 4、分别计算两个类的重心，则得 和 ，以其为新的聚核，对空间中的点进行重新分类，得到新分类。 * （a）空间的群点 (b) 任取两个聚核 (c) 第一次分类 (d) 求各类中心 * (e) 第二次分类 * 二、选择凝聚点和确定初始分类 凝聚点就是一批有代表性的点，是欲形成类的中心。凝聚点的 选择直接决定初始分类，对分类结果也有很大的影响，由于凝聚点 的不同选择，其最终分类结果也将出现不同。故选择时要慎重．通 常选择凝聚点的方法有： (1) 人为选择，当人们对所欲分类的问题有一定了解时，根据经验，预先确定分类个数和初始分类，并从每一类中选择一个有代表性的样品作为凝聚点。 (2) 将数据人为地分为A类，计算每一类的重心，就将这些重心作为凝聚点。 * (4) 随机地选择，如果对样品的性质毫无所知，可采用随机数表来选择，打算分几类就选几个凝聚点。或者就用前A个样品作为凝聚点(假设分A类)。这方法一般不提倡使用。 (3) 人为地选择一正数d，首先以所有样品的均值作为第一凝聚点。然后依次考察每个样品，若某样品与已选定的凝聚点的距 离均大于d，该样品作为新的凝聚点，否则考察下一个样品。 * 三、衡量聚类结果的合理性指标和算法终止的标准 定义 设 表示在第n次聚类后得到的第i类集合， ， 为第n次聚类所得到的聚核。 定义 若分类不合理时， 会很大，随着分类的过程，逐渐下降，并趋于稳定。 * 五、动态聚类步骤为： 第一，选择若干个观测值点为“凝聚点”； 第二，可选择地，通过分配每个“凝聚点”最近的类里来形成临时分类。每一次对一个观测值点进行归类，“凝聚点”更新为这一类目前的均值； * 第三，可选择地，通过分配每个“凝聚点”最近的类里来形成临时分类。所有的观测值点分配完后，这些类的“凝聚点”用临时类的均值代替。该步骤可以一直进行直到“凝聚点”的改变很小或为零时止； 第四，最终的分类有分配每一个观测到最近的“凝聚点”而形成。 * 例 我国经济发展的总目标是到2000年人民生活达到小康标准，因此，了解各地区目前对小康生活质量的实现程度。数据是1990年全国30个省在经济（jj）、教育（jy）、健康（jk）和居住环境（jz）四个方面对小康标准已经实现的程度，1表示已经达到或超过小康水平，0表示低于或多或少刚达到温饱水平。希望利用该数据对15个地区进行分类研究。 * ? jj jy jk jz 类别 距离 beijngsh 0.7258 0.9413 1.0000 0.5000 1 0.29550 anghai 0.5346 0.9848 1.0000 0.5000 1 0.14909 ianjin 0.3246 0.9733 1.0000 0.5000 1 0.16173 henna 0.2301 0.4621 1.0000 1.0000 2 0.22252 ejiang 0.5025 0.2374 1.0000 0.8882 2 0.34448 jilin 0.3446 0.7755