[工程科技]第七章 聚类分析3.pptVIP

7.6　 聚类分析 7.6.1　引言  　聚类分析(Cluster Analysis)是物以类聚的一种统计分析法。用于对事物类别的面貌尚不清楚，甚至在事前连总共有几类都不能确定的情况下进行分类的场合。聚类分析是一种分类技术,与多元分析的其他方法相比，该方法较为粗糙，理论上还不完善，但应用方面取得了很大成功。与回归分析、判别分析一起被称为多元分析的三大方法。　　聚类分析可分为两类，(1)对变量聚类（如在儿童的生长发育研究中，把以形态学为主的指标归于一类，以机能为主的指标归于另一类等）。(2)对样品聚类（如解剖学上依据骨骼的形状和大小等，不仅可以区别样品是人还是猿，还可以区别性别、年龄等）。 聚类法大致可归纳如下： 　　①系统聚类法　先将ｎ个元素（样品或变量）看成ｎ类，然后将性质最接近（或相似程度最大）的２类合并为一个新类，得到n-1类，再从中找出最接近的２类加以合并变成了n-2类，如此下去，最后所有的元素全聚在一类之中。　②分解法　其程序与系统聚类相反。首先所有的元素均在一类，然后用某种最优准则将它分成２类，再用同样准则将这２类各自试图分裂为２类，从中选１个使目标函数较好者，这样由２类变成了３类。如此下去，一直分裂到每类中只有１个元素为止，有时即使是同一种聚类法，因聚类形式(即距离的定义法)不同而有不同的停止规则。 ③动态聚类法　开始将ｎ个元素粗糙地分成若干类，然后用某种最优准则进行调整，一次又一次地调整，直至不能调整了为止。　④有序样品的聚类　ｎ个样品按某种因素（时间或年龄或地层深度等）排成次序，要求必须是次序相邻的样品才能聚在一类。　其他还有加入法、有重叠的类、模糊聚类分析等。 聚类分析的实质 聚类分析实质上是寻找一种能客观反映元素之间亲疏关系的统计量，然后根据这种统计量把元素分成若干类。常用的聚类统计量有距离系数和相似系数两类。距离系数一般用于对样品分类，而相似系数一般用于对变量聚类。距离的定义很多，如极端距离、明考斯基距离、欧氏距离、马氏距离、切比雪夫距离等。相似系数有相关系数、夹角余弦、列联系数等。 聚类分析数据格式 7.6.2 相似性度量 （一）样本间的相似度量——距离 假使每个样品有p个变量，则每个样品都可以看成p维空间中的一个点，n个样品就是p维空间中的n个点，则第i样品与第j样品之间的距离记为dij 1、欧氏距离： 欧式距离的平方 2. 明氏（Minkowski ）距离 3. Mahalanobis 距离 （二）相似系数 1)对于间隔尺度指标（连续性） Pearson相关系数 变量标准化 夹角余弦（Cosine） 2)对于有序尺度指标（用有序的等级号描述） 将n个样品各作为一类 （一） 最短距离法 (single linkage，earest neighbor) （二）最长距离法(complete linkage，furthest neighbor) （三）中间距离法(median method) （四）中间距离法的变形 ——可变法 （五）类平均法(average linkage between group) 系统聚类法的性质 有关问题 7.6.4 快速聚类法（quick cluster method k-means model ） 原理 选择初始凝聚点 根据欧氏距离将每个样品归类 各类的重心代替初始凝聚点 根据欧氏距离将每个样品归类，…… 直至分类达到稳定。 初始凝聚点initial cluster seeds ；cluster centers 1) 凭经验选择一批有代表的点。 2）自动选择。给出允许分类的最大个数k，计算每一类的重心，作为初始凝聚点。 变量聚类法 原理与以上聚类法类似, 只是将标准化后的变量视为“个体”，变量间的相关系数描述“个体”间的相似程度。 （一）SPSS聚类分析 1.系统聚类 指定参与聚类的变量名和样品号 Statistics Plot Method Method 2. 快速聚类 选项 最长距离夸大了类间距离，最短距离低估了类间距离。介于两者间的距离即为中间距离 K L J M SPSS作为默认方法，称为 between-groups linkage K L J M 讲解P348 例7.18 单调性 中间距离法、重心法不具有单调性 空间的浓缩与扩张 不同聚类法作图，横坐标的范围可相差很大。最短距离法与重心法比较浓缩；可变类平均比较扩张；类平均法比较适中。 几种聚类方法获得的结果不一定相同 指标聚类采用相似系数，相似系数大或距离小则表示类间关系密切，