聚类分析(生态)--生态学研究方法.ppt

聚类分析方法 第二节 系统聚类分析法 主成分分析及其应用 易见，在坐标系x1ox2中，这些点的两个坐标呈现某中线性关系。我们将x1ox2旋转某个角度?变成新坐标系y1oy2,使 椭圆的长轴方向取y1,短轴方向取y2，如图所示，即 由矩阵表示即为 其中U为坐标旋转矩阵，它是正交矩阵。 如图可见，在新坐标系y1Oy2内数据 (y1i,y2i)) (i=1,2,…,n) 有如下性质 n个点在新坐标系下的坐标y1i和y2i（i=1,2,…,n)的相关性几乎为零。 当椭圆越扁平时，n个点的方差大部分都反映在y1轴的方向上，y2轴方向上的方差则较小。 y1和y2称为原始变量x1和x2的综合指标，从概率统计观点，我们知道，一个随机变量的方差越大，则该变量所包含的信息就越多，而方差为零的随机变量不含任何信息。主成分分析就是选取方差最大的综合指标y1代替二维空间中的点。而这种代替所损失的信息量最小。由此称y1为第一主成分，y2与y1正交，y2有较小的方差，称为第二主成分。 * 聚类方法也称为集群方法。聚类分析（Cluster Analysis）是应用多元统计分析原理研究分类问题的一种数学方法，近年来已被广泛用于地质勘探、天气预报、作物分类等许多方面。生态学数量分类的研究是从20世纪50年代开始的，60年代后许多具有不同观点的传统学派都进行了数量分类的研究。近年来国内也开展了数量分类的研究，并取得了一定的成绩。 第一节 聚类分析基础 聚类分析都是依据一定的条件进行的，我们把这些条件叫做指标或变量，而把要进行分类的对象叫样品。为了根据变量对样品进行分类，就要研究样品间的关系，而描述这种关系的方法通常有两种，一种是距离法；另一种为相似系数法。样品间的距离与相似系数又有多种不同定义方法。依据变量对样品进行分类时，在计算距离或相似系数时，一般与变量的取值关系很大，因此经常将数据进行一些适当的处理。 一、 数据变换 在实际中，不同的变量一般取值的量纲（单位）不同，为了使不同量纲的变量进行比较，消除聚类时量纲对聚类结果的影响，经常对原始数据作变换。常用的变换方法有： （1）中心化变换 中心化变换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数据。? 设原始测量样本数据阵为X ? （1） ? n为样本容量（试验、观测次数），p为变量个数。 设中心化后的数据为 则 ? 其中 （2）标准化变换 标准化变换的变换公式为： ? 其中 ? ? sj为第j个变量的标准差， 为第j个变量的样本平均值。 二、 相似系数与距离的定义 目前已设计了多种相似系数和距离，下面介绍在聚类分析中常用的几种。 1. 距离 ? 设 ? 为从总体中取得的一样本容量为n的样本，每个样本点为p维空间中一个向量，用dij表示Xi与Xj的距离，则常用的距离有以下几种： （1）欧氏距离 （5） ? 欧氏距离是在聚类分析中用得最广泛的距离。 ? （2）绝对值距离 （6） ? ? 2. 相似系数 聚类分析除了研究样品的分类外，有时也需要对变量分类。在对变量进行分类时，通常采用相似系数表示变量之间的亲疏程度。常用的相似系数有以下几种： （1）夹角余弦 设Xi, Xj为n维空间中两个向量，（表示两个样品或两个变量的n次观测值）其夹角为?ij。则夹角余弦为： ? （7） ? 如果Xi与Xj（二样品）比较相似，则Xi与Xj的夹角接近于0,从而Cos?ij 接近于1。相似系数的数值范围为[0,1]区间。 （2）相关系数 设rij为n维向量Xi与Xj之间的相关系数，则 ? （8） ? 距离与相似系数的选择是一个比较复杂，带主观性的问题，一般需作具体分析，在多次聚类分析过程中，可多试探几种距离进行聚类，从中总结经验，以选择合适的距离。 在