5聚类法技术方案.ppt

* * * * * p类和q类与L类的距离的加权平均数 * 类平均法定义类间的距离是两类间样品的距离的平均数。对应我们前面讨论的组间 ? 0 1 0 6.25 2.25 0 36 25 12.25 0 64 49 30.25 4 0 ¤例题： * 然后和被聚为新类，得 ： 0 4.25 0 30.25 12.25 0 56.25 30.25 4 0 * 6 离差平方和法 2，4 1，5 6，5 * 类似于方差分析的想法，如果类分得恰当，同类内的样品之间的离差平方和应较小，而类间的离差平方和应当较大。 离差平方和法的思路是，当k固定时，选择使S达到最小的分类。先让n个样品各自成一类，然后缩小一类，每缩小一类离差平方和就要增大，选择使S2增加最小的两类合并，直到所有的样品归为一类为止。离差平方和法定义类间的平方距离为 * ? 0 0.5 0 3.125 1.125 0 18 12.50 6.125 0 32 24.50 15.125 2 0 * 其中 是由Gp和Gq合并成的Gr类的类内离差平方和。可以证明离差平方和的聚类公式为 * 方法 名称 参 数 D矩阵要求 空间性质 ap aq β γ 最短距离 1/2 1/2 0 -1/2 各种D 压缩 最远距离 1/2 1/2 0 1/2 各种D 扩张 中线法 1/2 1/2 -1/4≤β≤0 0 欧氏距离 保持 重心法 0 欧氏距离 保持 组平均法 0 0 各种D 保持 距离平方和法 0 欧氏距离 压缩 可变数平均法 1 0 各种D 不定 ①根据样品的特征，规定样品之间的距离 ，共有 个。将所有列表，记为D（0）表，该表是一张对称表。所有的样本点各自为一类。 ②选择D（0）表中最小的非零数，不妨假设 ，于是将 和 合并为一类，记为 。 7 系统聚类的一般方法 * ③利用递推公式计算新类与其它类之间的距离。分别删除D（0）表的第p，q行和第p，q列，并新增一行和一列添上的结果，产生D（1）表。 * ④在D（1）表再选择最小的非零数，其对应的两类有构成新类，再利用递推公式计算新类与其它类之间的距离。分别删除D（1）表的相应的行和列，并新增一行和一列添上的新类和旧类之间的距离。结果，产生D（2）表。类推直至所有的样本点归为一类为止。 ¤下表给出了某农业生态经济系统各个区域单元的有关数据，下面我们运用系统聚类法，对该农业生态经济系统进行聚类分析，步骤如下： ①用标准差标准化方法，对9项指标的原始数据进行处理； ②采用欧氏距离测度21个区域单元之间的距离； ③选用组平均法，计算类间的距离，依据不同的聚类标准（距离），对各样本（各区域单元）进行聚类，并作出聚类谱系图。 * 表 某农业生态经济系统各区域单元的有关数据 * * 图 某农业生态经济系统区域单元的系统聚类（组平均法）谱系图 * 8 系统聚类法的基本性质 ①单调性 在聚类分析过程中，并类距离分别为l k（k 1，2，3，…?）若满足 ，则称该聚类方法具有单调性。可以证明除了重心法和中间距离法之外，其他的系统聚类法均满足单调性的条件。 ②空间的浓缩和扩张 ⅰ.定义矩阵的大小 设同阶矩阵D（A）和D（B），如果D（A）的每一个元素 不小于D（B）的每一个元素，则记为 。 * ⅱ.空间的浓缩和扩张 设有两种系统聚类法A和B，他们在第i步的距离矩阵分别为Ai和Bi（I 1，2，3…），若Ai Bi ，则称第一种方法A比第二种方法B使空间扩张，或第二种方法比第一种方法浓缩。 ⅲ.方法的比较 D（短） D（平），D（重） D（平）； D（长） D（平）； 当 ，D（变平） D（平）； 当 ，D（变平） D（平）。 * 3.有序样本聚类法 1 功能范畴与数据类型 有序样本聚类法又称为最优分段法。该方法是由费歇在1958年提出的。它主要适用于样本由一个变量描述的情况。或者将多变量综合成为一个变量来分析。 设 是样本点构成的集合，样本点 在函数 上的取值为 。若 ，则将视为一类。不妨假设 。要将 分为 类；即 ，分类时不能打乱样本点的顺序，即每一类必须呈的 形式，即有序样本聚类。 * 例 这里n 4，m 3。若将其分为两类，其结果应该是 对应中的点是 。 有序样本聚类法常常被用于系统的评估问题，被用来对样本点进行分类划级。 ¤例：十二个地区的经济发展指数，排列出来以后，需要划分他们的等级。一种方法是按照行政命令。规定三个经济发达地区，四个中等发达的地区，三个一般地区，两个发展较差地区。 这种行政上的规定往往是不客观、不合理的。合理的分类应该把发展情况最近似的地区划入同一类。这就是有序样本聚类的工作