化学计量学课件（新）.ppt

第六章 模式识别 1 聚类分析 将一批样品或变量，按照其在性质上亲疏远近的程度进行分类。聚类统计量： 相似系数  距离  绝对值距离:xik：第i个样本第k个指标dij：第i个样本与第j个样本之间的距离。 欧氏距离 数据预处理：标准差标准化：对n个样本，m个指标 系统聚类法(Hierarchical clustering method) 先将n个样本各自看成一类，然后规定样本之间的距离和类与类之间的距离。开始时，各样本自成一类，这时类之间的距离与样本之间的距离是相等的，然后选择距离最小的两类合并成新类，并计算该新类与其它类之间的距离，接着再将距离最近的两类合并，这样每次减少一类，直至所有的样本都合并成一类为止。 一、最短距离法以G1,G2,……表示类Dpq表示第p类（Gp）与第q类（Gq）之间的距离定义： 聚类分析步骤：1．构成距离矩阵D（0） 3．计算新类和其它类(假定为K类)的距离，从中将距离最短的合并，得新矩阵D(1)新类和K类的距离为:Drk=min{Dpk，Dqk} =min{min dij, min dij} i∈Gp i∈Gq  j∈Gk j∈Gk 4. 对D（1）重复上一步得D（2），如此下去直到成为一类为止。如果某一步D（m）中最小的元素不止一个，则对应这些最小元素的类可同时合并。 ? 例3:??6个样本：x1＝1，x2＝2，x3＝5 x4＝7，x5＝9，x6＝10，试分类1、构成D(0) 2、选择D（0）中的最短距离， G7={G1,G2} G8={G5,G6}  ?3、计算新类G7，G8与各类之间的距离 ?4、?? 重复2，3 G9={G3,G4,G8} ={x3,x4,x5,x6}最后将G7和G9合并为G10? 分类：阀值法 例题4：试用绝对值距离以最短距离法，将下列5个样本进行聚类，写出距离矩阵并绘出聚类图。 构成D(0)  计算新类与各类之间的距离 前胡族中药用植物分类聚类分析的谱系图 6.2 模式识别(Pattern recognition） 模式：样本 模式识别：对样本的判别或分类 特征特征向量（模式向量）X＝[x1，x2，…，xn]T特征空间（模式空间）1 有监督学习系统2 无监督学习系统 6.2.1 最近领域判决法 Nearest neighbor classification method 1．?? 1－NN（1－最近领域判决法） 设有样本集{x1,x2,…,xN}分别属于类ω1, ω2; 记djq为样本Xj到样本xq之间距离当且已知 xj∈ωi0 则 判决xq∈ωi0 即将样本xq判决到它最近的一个样本所属的类别中。 2．k-NN（k-最近邻域判决法）对一个未知模式x，若它的k（k为奇数）个最近邻的模式中大多数属于某一类，则该模式x就属于这一类。 6.2.2 线性学习机(Linear learning machine)增广特征空间： 将n维特征向量X=(x1,x2,…,xn)T 扩充为X=(x1,x2,…,xn,1)T设有ω1，ω2两类模式集合，在增广特征空间中存在区分这两类的超平面：φ(x)=αTx 称为线性判决函数其中: α=(α1, α2,…, αn+1)T 称为系数向量（权向量） x=(x1, x2,…, xn+1)T判决规则如下：若αT x0 则判决x∈ω1若αT x0 则判决x∈ω2 通过学习找出φ(x)=αT x学习过程：模式按i=1,2,…,逐个输入1．设定初值α=α1,如α1＝[0,0,…,0]T 2．若x∈ω1 但αT x≤0  则令αi+1=αi+ xi  若x∈ω2 但αT x≥0  则令αi+1=αi- xi  若x∈ω1 但αT x0  则令αi+1=αi  若x∈ω2 但αTx0  则令αi+1=αi 3．继续第二步训练，直到α不再修正为止。 例1，设有四个模式在增广特征空间(3+1维)中:ω1: X1(1)=(1,0,1,1) 记为Y1  X2(1)=(0,1,1,1) 记为Y2ω2: X1(2)=(1,1,0,1) 记为Y3  X2(2)=(0