第九章 地理系聚类分析模型.docVIP

第九章 地理系统聚类分析模型 第一节 聚类分析的方法及变量模型 聚类分析(Cluster Analysis)是数理统计中研究“物以类聚”的一种方法。 一、地理系统分类的意义 对地理系统的研究很重要的一个问题就是进行地理分区与分类。 聚类分析法可避免传统分类法的主观性和任意性的特点。 但应特别引起注意的是，对地理数据处理不当，或只要求方法的新颖，有时分类的结果可能与地理实际不符合。 一种科学的分类法，应能正确地反映客观地理事物的内在联系，并能表达出它们之间的相似性和差异性。 聚类分析法的基本特点 二、聚类分析的方法 聚类分析的职能是建立一种分类方法，它是将地理样品或变量，按它们在性质上的亲疏程度进行分类。 描述亲疏程度的两个途径 当确定了样品或变量的距离或相似系数后，就要对样品或变量进行分类，分类的方法很多，主要的两种是： 分类方法 分 类 方 法（续） 在进行聚类分析处理时，样品间的相似系数和距离有各种不同的定义，而这些定义与变量的类型关系极大，通常按照它们的特性分类，变量的特性有三种类型： 变量特性的三种类型 １、名义特性（无序多态） ２、顺序特性（有序多态） 它是由一个有序状态序列所确定，指标量度时没有明确的数量关系，只有次序关系，如对某种地理要素的定性评价为“好的、比较好的、一般的、差的”，又如对某一事件的量度估价为“罕见的、偶然的、一般的、大量的”等。 ３、数值特性（定 量） 它是由测量或计数、统计所得的量，如长度、重量、压力、经济统计数字、人口普查数字、抽样调查数据等。 不同类型的变量在定义距离相似性测度时有很大的差异，这里主要研究具有数值特性的变量的聚类分析问题。 聚类分析的分类 R型聚类分析的作用 选择变量的方法: 在聚合的每类变量中,各选出一个有代表性的变量作为典型变量,为此计算每一个变量与其同类的其它变量的决定系数r2(即相关系数的平方)的均值: r2 = Σri2/(K-1) 式中，K为该类的变量个数。挑选r2值最大的变量xi作为该类的典型变量。 Q型聚类分析优点 第二节 系统聚类分析 系统聚类分析(Hierachical Cluster Analysis)是聚类分析中应用最广泛的一种方法，凡是具有数值特征的变量和样品都可以采用系统聚类法。 选择不同的距离和聚类方法可获得满意的数值分类效果。 系统聚类法是把个体逐个地合并成一些子集，直至整个总体都在一个集合之内为止。 系统聚类法的分类步骤如下： (1)聚类前先对数据进行变换处理(假定在聚类处理之前，已经对变量进行了筛选，选择了那些相关性不很显著的而且贡献大的指标，而剔除了相关性很强的变量)。 (2)聚类分析处理的开始是各样品自成一类(n个样品一共有n类)，计算各样品之间的距离，并将距离最近的两个样品并成一类。 (3)选择并计算类与类之间的距离，并将距离最近的两类合并，如果类的个数大于１，则继续并类，直至所有样品归为一类为止。 (4)最后绘制系统聚类谱系图，按不同的分类标准或不同的分类原则，得出不同的分类结果。 一、数据变换处理 在聚类分析处理过程中，首先应对原始数据矩阵进行变换处理。 由于在抽取样本对数据进行量度处理时，不同指标（变量）一般都有不同的量纲，并且有不同的数量级单位，为了使不同量纲、不同数量级的数据能放在一起比较，通常需要对数据进行变换处理。 例１、研究世界各国森林、草原资源的分布规律，并抽取22个国家（即22个样品）数据，每个国家有４项指标，以此作聚类分析处理，原始数据见表 表中所列的几个变量：森林面积、森林覆盖率、林木蓄积量、草原面积都分别有不同的量纲，而且数值的数量级也相差很大，为了在一起进行比较，需进行变换处理。 所谓数据变换，就是将原始数据矩阵中的每个元素，按照某种特定的运算把它变为一个新值，而且数值的变化不依赖于原始数据集合中其它数据的新值。 常用的变换方法 1、中心化变换 中心化是一种标准化处理方法，它是先求出每个变量的样本平均值，再从原始数据中减去该变量的均值，就得到中心化后的数据。 设原始数据矩阵为：  X=  式中：m为样本数，n为变量数。设中心化后的数据为xij’ 则有： xij’ = xij - xj  I=1,2,…,m j=1,2,…,n 变换的结果使每列数据之和均为０，而且每列数据的平方和是该列数据方差的(n-1)倍，任何不同两