[自然科学]聚类分析.ppt

系统聚类分析 聚类要素的数据处理 距离的计算 直接聚类法 最短距离聚类法 最远距离聚类法 系统聚类法计算类之间距离的统一公式 系统聚类分析实例 一、聚类要素的数据处理 在聚类分析中，常用的聚类要素的数据处理方法有如下几种: ① 总和标准化。分别求出各聚类要素所对应的数据的总和，以各要素的数据除以该要素的数据的总和，即 这种标准化方法所得到的新数据满足 例题:下表1给出了某地区9个农业区的7项指标，它们经过极差标准化处理后，如表2所示。 二、距离的计算 常见的距离有 ① 绝对值距离 ② 欧氏距离 ③ 明科夫斯基距离 三、直接聚类法 图1 直接聚类谱系图 四、最短距离聚类法 五、最远距离聚类法 六、计算类之间距离的统一公式 最短距离和最远距离 可以用一个公式表示 用图4表示二者关系： 七、实例分析 表4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。 从聚类分析谱系图（图4）可以看出，在不同的聚类标准（距离）下，聚类结果不同，当距离标准逐渐放大时，21个区域单元被依次聚类。 当距离为0时，每个样本为单独的一类； 当距离为5，则21个区域单元被聚为16类； 当距离为10，则21个区域单元被聚为9类； 当距离为15，则21个区域单元被聚为5类； 当距离为20，则21个区域单元被聚为3类； 最终，当聚类标准（距离）扩大到25时，21个区域单元被聚为1类。 4.树状图 可以思考和动手做的一些实际问题 对中国高校的分类讨论。 2 对上市公司的初步分类探讨。 3 对安徽省地级市经济实力分类的探讨。 4 中国房地产经济分区初步探讨。 5 分析我国农村消费区域类型。 6 按照城乡居民消费水平，对我国30个省市自治区分类。 7 比较我国各省市自治区工业的经济效益和科技水平。 8 对各地区社会总产值的部分构成进行聚类分析。 9 从科研与发展状况这一角度对全国各个省市进行分类。 10 聚类分析在行业经济效益分析中的应用。 11 对2007年工业总产值进行分类研究。 12 对世界各国国民生产总值部分构成进行研究。 基本原理 具体做法 1、按照指定的分类数目n，按某种方法选择某些观测量，设为{Z1，Z2，…Zn}，作为初始聚心。 2、计算每个观测量到各个聚心的欧氏距离。即 按就近原则将每个观测量选入一个类中，然后计算各个类的中心位置，即均值，作为新的聚心。 3、使用计算出来的新聚心重新进行分类，分类完毕后继续计算各类的中心位置，作为新的聚心，如此反复操作，直到两次迭代计算的聚心之间距离的最大改变量小于初始聚类心间最小距离的倍数时，或者到达迭代次数的上限时，停止迭代。 数据标准化处理： 存储中间过程数据 数据标准化处理，并存储。 指定5类 收敛标准值 存储最终结果输出情况，在数据文件中（QCL-1、QCL-2） 初始聚心选项，输出方差分析表 初始聚类中心表 具体城市看后表 最终聚类中心表 聚类结果：QCL-1说明聚类结果，QCL-2说明聚类的长度情况 主要城市日照时数 注：连续变量 SPSS提供不同类间距离的测量方法 1、组间连接法 2、组内连接法 3、最近距离法 4、最远距离法 5、重心法 6、中位数法 7、Ward最小偏差平方和法 观测量概述表 聚类步骤，与图结合看！ 4、5 K均值聚类法的实例 根据我国2003年3类产业的数据，利用K均值聚类法对31个地区进行聚类分析。 操作步骤 1.Analyze-Classify-K-Means Cluster, 打开 K-Means Cluster Analysis 对话框 Method选项中，Iterate and classify ：不断计算新的类的中心，并替换旧的类的中，而Classify only仅根据初始类的中心进行聚类，在以后的聚类过程中不改变类的中心。这里选Iterate and classify。 Number of