常用建模方法--分类与聚类方法.ppt

第五部分 常用建模方法 （2）综合变量法 综合变量法是采用相似系数进行分类 则对应这些最小元素的类可以同时合并。 （略） 2。 一次形成聚类法(方法粗糙) 综合变量法的优点是方法简单，缺点是当样本较大时，计算量相当大。一次形成聚类法可以减少运算量。 步骤： 第一步：利用相关系数公式，计算相关系数绝对值矩阵 r = 1.0000 0.2165 0.1043 0.6240 0.5669 0.2165 1.0000 0.2408 0.7206 0 0.1043 0.2408 1.0000 0 0 0.6240 0.7206 0 1.0000 0.4193 0.5669 0 0 0.4193 1.0000 归为一类。如 最大，将 归为一类。 第二步：从r中找出最大元素 ，首先将 对应的样本 的归类。分两种情况： 第三步：从r中找出次大元素 ，考虑对 对应的样本 西华大学数学与计算机学院 数学建模课件·竞赛培训 5.1 分类与聚类方法 5.2 综合评价方法 5.3 预测方法简介 5.4 满意度数学建模概述 第12讲 常用建模方法介绍 5.1 分类与聚类方法 距离判别法 费歇尔(Fisher)判别法 聚类分析法 一、距离判别法 按新样本到各总体的距离中的“最近”者来判别 新样本的归属，这就是距离判别法。 （一）统计距离 设D是某个p维空间的一个点集，D中取任意两点： ， ，有 1。Euclidean(欧几里得)距离（简称欧氏距离） 即： 2。Minkovski(明考夫斯基)距离 它是欧氏距离的推广，当 时为欧氏距离。 3。Mahalanobis(马哈拉诺比斯)距离（简称马氏距离） 均值向量， 为总体协方差矩阵。则 的马氏距离的 设 是来自总体 的样本，其中 为总体 平方为 马氏距离是欧氏距离的标准化。 样本 与总体 之间的马氏距离为样本 与总体均值向量 的距离 距离判别中采用马氏距离而非欧氏距离。 （二）两个总体情形的判别 设有两个总体为： ， 为新样本，判别 属于哪一个总体。 建立判别函数 ： 判别准则为： 1。当 已知时的判别 （1）两总体方差相等时，即 情况 判别函数为 其中 ，称 为线性判别函数。 判别准则为： （2）两总体方差不相等时，即 情况 判别函数为 判别准则为： 这时， 为 的二次判别函数。 2。当 未知时的判别 它们的无偏估计 来代替。 在实际问题中， 通常是未知的，分别用 设 为总体 的历史样本， 为总体 的历史样本(每个 均为 维列向量)。 则 的无偏估计为 的无偏估计为 （1）两总体方差相等时，即 情况 的一个无偏估计为 这时，判别函数 为 其中 （2）两总体方差不相等时，即 情况 判别函数 为 （三）多个总体情形的判别 设有m个p维总体 为新样本，判别 属于哪一个总体。 方法是：分别计算 到 、 、… 的马氏距离 、 、… ，哪个距离最小，就判定 任一总体。 属于哪个总体，若最小距离不唯一，则判定 属于其中 （略） 例：两种蠓Af和Apf共15种样品，已由生物学家根据它们的触角长度和翼长加以区分，其中9只Af蠓，6只Apf蠓，观测数据如表示 1.86 1.20 1.28 2.00 1.96 2.00 1.96 1.78 翼长x2 1.30 1.26 1.18 1.14 触角长x1 1.82 1.54 2.08 1.56 1.82 1.48 1.64 1.38 1.40 1.70 1.90 1.82 1.74 1.72 翼长x2 1.38 1.38 1.36 1.24 触角长x1 第一类（Apf族） 第二类（Af族） (1) 给定一只Af或Apf的蠓，试问如何正确区分它属于哪一族？ (2) 将所采用的方法用于触角长和翼长分别为(1.24,1.80), (1.28,1.84),(1.40,2.04)的三个标本。 解： 设G1，G2有相同协方差阵，则 于是，得判别函数： 对原来的样品，计算出W(X)的值如表所示： 7.38 4.71 8.54 6.74 11.67 7.20 Apf族W(X) -1