《应用多元统计分析》第05章_聚类分析.pdf

第五章 聚类分析 第一节 引言 第二节 相似性的量度 第三节 系统聚类分析法 第四节 K均值聚类分析 第五节 有序样品的聚类分析法 第六节 实例分析与计算机实现 第一节 引言  “物以类聚，人以群分” 。对事物进行分类，是人们认识事物 的出发点，也是人们认识世界的一种重要方法。因此，分类 学已成为人们认识世界的一门基础科学。  在生物、经济、社会、人口等领域的研究中，存在着大量量 化分类研究。例如：在生物学中，为了研究生物的演变，生 物学家需要根据各种生物不同的特征对生物进行分类。在经 济研究中，为了研究不同地区城镇居民生活中的收入和消费 情况，往往需要划分不同的类型去研究。在地质学中，为了 研究矿物勘探，需要根据各种矿石的化学和物理性质和所含 化学成分把它们归于不同的矿石类。在人口学研究中，需要 构造人口生育分类模式、人口死亡分类状况，以此来研究人 口的生育和死亡规律。  但历史上这些分类方法多半是人们主要依靠经验作定性分 类，致使许多分类带有主观性和任意性，不能很好地揭示客 观事物内在的本质差别与联系；特别是对于多因素、多指标 的分类问题，定性分类的准确性不好把握。为了克服定性分 类存在的不足，人们把数学方法引入分类中，形成了数值分 类学。后来随着多元统计分析的发展，从数值分类学中逐渐 分离出了聚类分析方法。随着计算机技术的不断发展，利用 数学方法研究分类不仅非常必要而且完全可能，因此近年 来，聚类分析的理论和应用得到了迅速的发展。  聚类分析就是分析如何对样品（或变量）进行量化分类的问 题。通常聚类分析分为Q型聚类和R型聚类。Q型聚类是对样 品进行分类处理，R型聚类是对变量进行分类处理。 第二节 相似性的量度 一 样品相似性的度量 二 变量相似性的度量 一、样品相似性的度量  在聚类之前，要首先分析样品间的相似性。Q型聚类分析， 常用距离来测度样品之间的相似程度。每个样品有p 个指标 （变量）从不同方面描述其性质，形成一个p 维的向量。如 果把n个样品看成p 维空间中的n个点，则两个样品间相似程 度就可用p 维空间中的两点距离公式来度量。两点距离公式 可以从不同角度进行定义，令d 表示样品X 与X 的距离，存 ij i j 在以下的距离公式： 1．明考夫斯基距离 p dij (q) (X ik X jk q )1/q (5.1) k 1 明考夫斯基距离简称明氏距离，按的取值不同又可分成： （1）绝对距离（q 1 ） p d ij (1)  X ik  X jk (5.2) k 1 （2）欧氏距离（q 2 ） p 2 d (2) (X X )1/ 2 (5.3) ij ik jk k 1 （3）切比雪夫距离（q ） dij () max X ik