第6章_聚类总结.ppt

类间距离的计算方法 2008年8月 Nearest neighbor(最短距离法)—用两个类别中各个数据点之间最短的那个距离来表示两个类别之间的距离 Furthest neighbor(最长距离法)—用两个类别中各个数据点之间最长的那个距离来表示两个类别之间的距离 Centroid clustering(重心法)—用两个类别的重心之间的距离来表示两个类别之间的距离 between-groups linkage(组间平均距离法)—SPSS的默认方法。是用两个类别中间各个数据点之间的距离的平均来表示两个类别之间的距离 Ward‘s method(离差平方和法)—使各类别中的离差平方和较小，而不同类别之间的离差平方和较大 绘制谱系图 dendrogram(Z)； 形成聚类cluster T = cluster(Z,cutoff,c) T = cluster(Z,maxclust,n) 其他中间过程 squareform(Y) 作用于pdist返回值 dendrogram(Z)作用于linkage返回值 绘制谱系图 [c ,d]= cophenet(Z,Y),同型相关系数 作用于linkage返回值和原始值 inconsistent(Z) 作用于linkage返回值 谱系强度评价 W = inconsistent(Z,3) W = 0.13130 0.00000 1.00000 0.00000 0.13860 0.00000 1.00000 0.00000 0.14630 0.01090 2.00000 0.70710 0.23910 0.00000 1.00000 0.00000 0.19510 0.05680 4.00000 0.94250 0.23080 0.05430 4.00000 0.93200 0.23950 0.07480 4.00000 0.76360 0.26540 0.09450 4.00000 0.92030 0.37690 0.09500 3.00000 1.10400 Mean std Inconsistency coefficient count 一次形成法 IDX = kmeans(X,k) 示例 X = [randn(100,2)+ones(100,2);... randn(100,2)-ones(100,2)]; opts = statset(Display,final); [idx,ctrs] = kmeans(X,2, Distance,city,... Replicates,5, Options,opts); plot(X(idx==1,1),X(idx==1,2),r.,MarkerSize,12) hold on plot(X(idx==2,1),X(idx==2,2),b.,MarkerSize,12) plot(ctrs(:,1),ctrs(:,2),kx, MarkerSize,12,LineWidth,2) plot(ctrs(:,1),ctrs(:,2),ko, MarkerSize,12,LineWidth,2) legend(Cluster 1,Cluster 2,Centroids, Location,NW) 聚类分析 Cluster Analysis 油气计算机综合应用 本章学习目标 掌握地球科学中大量观测数据的样品或变量的数学定量分类思想； 学会样品或变量数据变换和分类标准的数学表示； 数据的聚类：谱系图制作及其地质意义； 学习重点、难点 重点 不同应用目的聚类分析技术的正确选取和聚类分析矩阵的求法以及谱系图的地质意义 难点 实际观测数据的聚类分析矩阵的构建和程序开发，深入理解谱系图的地质意义 问题的提出 地球科学涉及众多的分类问题，如地质学研究中岩石的分类、矿物矿床的分类、古生物的分类。油气勘探、开发过程中，石油成因研究、油藏类型研究、地化资料等的分类与分级。针对上述问题，怎样进行科学分类，分类结果有何启示？ 第一节 聚类分析的思想 假设所研究的对象中的元素，存在着不同 程度的相似性（亲疏关系）根据其各观测指。 标，找出一些能够度量样品之间相似程度的统 计量，据此，把一些相似程度大的样品聚为一 类，即关系密切的聚合到一个小的分类单位， 疏远的聚合到一个大的分类单位，直到把所有 样品都聚合完毕，形成一个由小到大的分类系 统，最后把分类系统直观地用图形表示出来。 1.对象分类 根据分类对象的不同，聚类分析分为二 种一种是对指标（即变量）进行分类，。 叫做 R 型聚类分析，另一种是对样品进行分类，叫做 Q 型聚类分析。