张素文第2章聚类分析研讨.pptVIP

此例中 X1，X3，X4 ∈ Z1 X1 X2，X6 ∈ Z2 X6 X5，X7，X8，X9，X10 ∈ Z3 X7 §2.4 分级聚类法 （Hierarchical Clustering Method） （系统聚类法、层次聚类法） 思路：每个样本先自成一类， 然后按距离准则逐步合并，减少类数。 一、算法： 1、N个初始模式本自成一类，即建立N 类： 计算各类之间（即各样本间）的距离，得一N×N维距离矩阵D 0 。标号 0 表示初始状态。 G_Group 2、如在前一步聚类运算中，已求得距离矩阵D n （n为逐次聚类合并的次数），则找出D n 中的最小元素，将其对应的两类合并为一类。由此建立新的分类： 。 3、计算合并后新类别之间的距离，得D n+1 。 4、跳至第2步，重复计算及合并。 结束条件： 取距离阀值T，当D n 的最小分量超过给定值 T 时， 算法停止。所得即为聚类结果。 2 或不设阀值T，一直将全部样本聚成一类为止，输 出聚类的分级树。 类间距离计算准则： H K 最短距离法：如H、K是两个聚类，则两类间的最短距离定义为： ：H类中的某个样本 和K类中的 某个样本 之间的欧氏距离。 ：H类中所有样本与K类中所有 样本之间的最小距离。 其中， 如果K类由I和J两类合并而成，则 得到递推公式： √ H K I J ②最长距离法： 若K类由I