计量地理学第七章.pptVIP

第七章 地理系统的聚类分析与判别分析 §1 地理系统的聚类分析 一、地理系统分类的意义和作用 地理系统是一种多要素、多类型、多种区域组合在一起的、具有特殊结构与功能的综合体。因此对地理系统的研究很重要的一个问题就是要进行地理分区与分类。 目前，地理学的分类已从传统的、主要依靠经验和定性的知识进行分类而转向应用数学的方法和电子计算机进行定量分类。这种方法被称为“数值分类法”、“数量分类法”或“聚类分析”。 聚类分析是根据地理变量（或样品）的属性或特征的相似性、亲疏程度，用数学的方法把它们逐步地分型划类，最后得到一个能反映个体之间或群体之间的亲疏关系的分类系统。 第七章 地理系统的聚类分析与判别分析 在进行聚类分析时，首先要根据一批地理数据或指标找出能度量这些数据或指标相似程度的统计量；然后以统计量作为划分类型的依据，把一些相似程度较大的样品首先聚合为一类，把另一些聚合为另一类。依次类推，关系密切的样品便聚合到一小类，而关系疏远的站点则聚合到一大类，直到把所有的点都聚合完毕，便可逐步画成一张完整的分类系统图，又称谱系图。 聚类分析法的基本特点是：事先无需知道分类对象的分类结构，而只需要一批地理数据；选好分类统计量，并按步骤进行计算；最后就可以得到完整的分类系统图。 第七章 地理系统的聚类分析与判别分析 二、聚类分析的数据处理 聚类分析是根据各变量的观测值予以分类的，它涉及到通过各种途径和手段所得到的有意义的地理数据。由于要素（或指标）的量纲、数量级和数量变化幅度的差异，如用原始数据进行聚类分析，就会将不同性质、不同量纲、不同数量变化幅度的数值都统计在一起，这样就有可能突出某些数量级大的变量对分类的作用，降低了分类的可靠性。 为此，常对数据进行标准化处理，现分述如下： 第七章 地理系统的聚类分析与判别分析 （一）地理数据的对数变换 在对地理数据进行标准化之前，应先对数据进行对数变换，经对数变换后，数据变幅减小且变均匀。 （二）地理数据的标准化 为了消除量纲的不同，应进一步对数据进行标准化处理。 数据标准化方法较多，常用的方法有： 1. 标准差标准化 2. 极差标准化 例如：对我国新疆地区6个地点的数据进行处理后，可得表7－2 第七章 地理系统的聚类分析与判别分析 第七章 地理系统的聚类分析与判别分析 三、聚类分析的统计量 聚类分析统计量可分两大类，即相似系数和距离系数。 （一）相似系数 相似系数是描述地理数据之间相似程度的一种指标。 1. 夹角余弦（cosθ） 设有n个地点，每个地点有m个特征值，如把每个地点的特征值看作是多维空间的一个向量，则两个地点之间的相似程度可用两个向量间夹角的余弦来表示，即 i和j代表两个地点，xk表示第k个特征值或指标。上式也叫相似系数。 第七章 地理系统的聚类分析与判别分析 把两两地点之间的相似系数都计算出来，便可排成一个相似系数矩阵： 这一方阵是实对称矩阵，其主对角线元素为1，只须计算其上三角或下三角阵即可，依此便可进行聚类。cosθij的取值范围在-1到+1之间，其值越大，越相似，归为一类；其余可归属于另一些类别。 第七章 地理系统的聚类分析与判别分析 2. 相关系数（r） 为了衡量要素（变量）或指标之间的亲疏关系，常用相关系数（rij）作为分类统计量，计算公式可参照相关系数定义。 在数据标准化后，相关系数可简化成 式中，i和j代表两个地点，xk代表第k个指标。 计算出的任意两两变量（指标）间的相关系数，构成一个相关阵（R） 第七章 地理系统的聚类分析与判别分析 （二）距离系数（简称距离） 假设把我们研究的对象（地点或样品）视为m维空间的点，所谓距离，就是用各种方法计算出各点间的相互距离，并以它来刻画各点间的相似性或亲疏程度。距离系数有多种，现仅介绍两种如下： 1. 绝对距离 绝对距离表达式为 2. 欧氏距离 欧氏距离是一种常用的分类统计量，其距离系数可按下式计算： 距离系数越小，两点间的相似程度越大，反之则小。 第七章 地理系统的聚类分析与判别分析 四、地理系统的聚类方法 （一）系统聚类法概要 地理分类和分区是地理学研究的中心内容之一。根据分类目的不同，聚类分析可分两类：一类是对地点、地区或样品进行分类，称为Q型聚类分析；另一类是对要素、指标或变量进行分类，称为R型聚类分析。 聚类方法有多种，如：系统聚类法、逐步聚类法、逐步分解法和最优分割法等。其中，以系统聚类法应用最广。其基本作法是：先将n个地点（或样品）看成各自成一类，并定义样品间、类与类之间的距离，进而选择距离最小的一对合成一新类，以后计算新类与其他类间的距离，再将距离最近的两类合并，这样每合并依次都减少一类，直到所有的样品都成为一类为止。 第七章 地理系统的聚类分析与判别分析 在定义类与类之间距离方面，也有许多方法。