多元统计分析第七章聚类分析.pptVIP

* 二、选择凝聚点和确定初始分类 凝聚点就是一批有代表性的点，是欲形成类的中心。凝聚点的 选择直接决定初始分类，对分类结果也有很大的影响，由于凝聚点 的不同选择，其最终分类结果也将出现不同。故选择时要慎重．通 常选择凝聚点的方法有： (1) 人为选择，当人们对所欲分类的问题有一定了解时，根据经验，预先确定分类个数和初始分类，并从每一类中选择一个有代表性的样品作为凝聚点。 (2) 将数据人为地分为A类，计算每一类的重心，就将这些重心作为凝聚点。 * (3) 用密度法选择凝聚点。以某个正数d为半径，以每个样品为球心，落在这个球内的样品数(不包括作为球心的样品)就叫做这个样品的密度。计算所有样品点的密度后，首先选择密度最大的样品作为第一凝聚点，并且人为地确定一个正数D(一般D＞ d，常取D＝2d)。然后选出次大密度的样品点，若它与第一个凝 聚点的距离大于D，则将其作为第二个凝聚点；否则舍去这点，再 选密度次于它的样品。这样，按密度大小依次考查，直至全部样品考查完毕为止．此方法中，d要给的合适，太大了使凝聚点个数太 少，太小了使凝聚点个数太多。 * (5) 随机地选择，如果对样品的性质毫无所知，可采用随机数表来选择，打算分几类就选几个凝聚点。或者就用前A个样品作为凝聚点(假设分A类)。这方法一般不提倡使用。 (4) 人为地选择一正数d，首先以所有样品的均值作为第一凝聚点。然后依次考察每个样品，若某样品与已选定的凝聚点的距 离均大于d，该样品作为新的凝聚点，否则考察下一个样品。 * 例 我国经济发展的总目标是到2000年人民生活达到小康标准，因此，了解各地区目前对小康生活质量的实现程度。对各地区实现小康生活质量的状况进行综合评价，对各级政府部门具有重要意义。数据是1990年全国30个省在经济（jj）、教育（jy）、健康（jk）和居住环境（jz）四个方面对小康标准已经实现的程度，1表示已经达到或超过小康水平，0表示低于或多或少刚达到温饱水平。希望利用该数据对15个地区进行分类研究。 * ? jj jy jk jz 类别 距离 beijngsh 0.7258 0.9413 1.0000 0.5000 1 0.29550 anghai 0.5346 0.9848 1.0000 0.5000 1 0.14909 ianjin 0.3246 0.9733 1.0000 0.5000 1 0.16173 henna 0.2301 0.4621 1.0000 1.0000 2 0.22252 ejiang 0.5025 0.2374 1.0000 0.8882 2 0.34448 jilin 0.3446 0.7755 0.8280 0.5000 1 0.18212 elongji 0.2891 0.7835 0.8080 0.5000 1 0.22322 fujian 0.1406 0.3524 1.0000 0.7102 2 0.27468 uangxi 0.0939 0.6498 0.4435 1.0000 2 0.51560 anhui 0.1104 0.0802 1.0000 0.9545 2 0.34050 ingxia 0.2708 0.3127 0.5425 0.9053 2 0.29445 hunan 0.0618 0.5687 0.4385 0.5000 3 0.41704 jiangxi 0.0549 0.3042 0.3520 0.6155 3 0.15540 inghai 0.0751 0.0118 0.0000 0.8258 3 0.37720 uizhou 0.0286 0.0600 0.0590 0.5000 3 0.25968 * 三、有序样本聚类法 （一）功能范畴与数据类型 有序样本聚类法又称为最优分段法。该方法是由费歇在1958年提出的。它主要适用于样本由一个变量描述的情况。或者将多变量综合成为一个变量来分析。 设 是样本点构成的集合，样本点 在函数 上的取值为 。若 ，则将视为一类。不妨假设 。要将 分为 类；