气候统计第三2聚类分析.pptVIP

§3.3 聚类分析概要 聚类分析是研究多要素的客观分类方法，即运用数学方法对不同的样品进行数字分类，定量地确定样品之间的亲疏关系，并按照它们之间的相似程度，归组并类，以便客观分类的一种统计分析方法。它同判别分析同属分类问题，但前提不相同，所给的样本类型和类型数都是未知的。气象学中存在许多分类问题，如气候分类区划、天气过程分类、环流分类、预报因子的合并归类、相似年的确定等。 一、相似性指标统计量 1．样品与分类指标 对与研究对象有关的m个变量作n次观测，得样本矩阵， 称每行为一个分类指标，每一列为一个样品，对样品进行分类；每个样品包含m个指标，即样品的特征用m个指标来描写，可以是一个测站的m个指标的时间分布，也可以是同一指标的m个测站的时空分布。 2．距离和相似系数 进行分类，要将特征相似的样品聚为同一类，首先要定义样品之间亲疏程度的数量指标。 A、距离 样品看作m维空间的点，以某种形式定义点与点之间差异大小（不完全是地理或几何距离），数学上的距离可以有不同定义，但要满足4个条件 1）dij=0时，样品i和j 恒等（dii=0） 唯一性和单一性 2）dij≥0， 非负性 3）dij=dji 对称性 4）dij≤dik+dkj 三角不等式 在距离指标中，当样品指标不是同一变量时，各变量对距离的影响与它们的量纲有关，如气温为101，气压为103量级，气压变化对距离的影响远大于气温。克服这一缺点的方法是对各指标标准化 §3.4 系统聚类法（逐级归并法） 系统聚类法是聚类分析中使用最多的方法，其基本思路是：先将n个样品各自看成一类，然后规定样品之间的距离(或相似系数）和类与类之间的距离，开始，将每个样品各自成一类，根据距离选择最相似的一对并成一个新类，计算新类与其他类的距离，再将距离最近的两类合并，依次下去，直至所有样品并成一类，或各类之间的距离大于给定阈值T为止。 包含步骤 (1)计算n个样品两两间的距离{dij} (2)构造n个类，每类只包含一个样品 (3)合并距离最近（最相似）的两类为一个新类 (4)定义类间距离，计算新类与当前各类的距离。若类的个数等于1，转到（5）。否则回到步骤（3）。 (5)画聚类图 (6) 决定类的个数和类 使用不同的类间距离，便得到不同的系统聚类法。如最短距离法、最长距离法、重心法等。 2、定义类间距离 最长距离法、重心法等其他系统聚类法的步骤相同，仅在计算类间距离时的定义不同。最短距离法也可用于变量的分类，分类指标也可用相似系数，在用相似系数时，要找相似系数最大的两类合并，即总是最相似的两类合并。 下面看一实例： 例 ，某地用4个因子表示气候闷热状况，分别是 x1:日平均温度 x2:14时气温 x3:14时相对湿度 x4:日最低气温 试根据下表所列相似系数将因子分类 解：G1和G2的相似系数最大，R1，2=max，表明两者最接近，先将它们并成G5。 计算G5与G3，G4的相似系数分别为： 逐步聚类法 略 * * 常用距离 Minkowski距离: 绝对距离 Euclid距离 2.Mahalanobis距离 马氏距离考虑了类型总体的内部结构，更加合理，但计算繁琐。 B 相似系数 1） 将样品i、j看作m维空间的向量，常用于要素场的相似。 包括空间点的相似和时间点的相似度量。 二、类与类的特征 1，类的定义 由于客观事物的千差万别，在不同问题中，类的含义是不尽 相同的，给类下严格地定义是不容易的，有不同的定义。如： 定义1：T为一给定的阈值，如果对任意的 ，有 ，则称G为一个类。 定义2：对阈值T，如果对于每一个 ，有 ，则称G为一个类。 定义3：对阈值T，如果对于每一个 ， 一定存在 使得 ，则称G为一个类。 2．类的距离 由于类的形状是多种多样的，所以类与类之间的距离也有多种 计算方法，设 中分别有l和m 个样品，它们之间的距离 用D(p,q)表示，常用定义有： 最短距离法： 即为 中最邻近的两个样品的距离。 2。最长距离法： 即为 中最远的两个样品的距离。 3.重心法： 它为两个类的重心 间的距离 4.类平均 法: 它等于 中所有任意两个样品距离的平均。 -3 2 2 3 3 4 3 5 x2 -1 -3 -2