系统聚类分析方法.docVIP

系统聚类分析方法聚类分析是研究多要素事物分类问题的数量方法。基本原理是根据样本自身的属性，用数学方法按照某种相似性或差异性指标，定量地确定样本之间的亲疏关系，并按这种亲疏关系程度对样本进行聚类。常见的聚类分析方法有系统聚类法、动态聚类法和模糊聚类法等。1. 聚类要素的数据处理假设有m 个聚类的对象，每一个聚类对象都有 个要素构成。它们所对应的要素数据可用 \o 点击控制显示 表3.4.1给出。（点击显示该表） 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② 标准差标准化??? ③ 极大值标准化经过这种标准化所得的新数据，各要素的极大值为1，其余各数值小于1。④ 极差的标准化经过这种标准化所得的新数据，各要素的极大值为1，极小值为0，其余的数值均在0与1之间。2. 距离的计算距离是事物之间差异性的测度，差异性越大，则相似性越小，所以距离是系统聚类分析的依据和基础。① 绝对值距离 选择不同的距离，聚类结果会有所差异。在地理分区和分类研究中，往往采用几种距离进行计算、对比，选择一种较为合适的距离进行聚类。 例：表3.4.2给出了某地区九个农业区的七项指标，它们经过极差标准化处理后，如表3.4.3所示。 对于表3.4.3中的数据，用绝对值距离公式计算可得九个农业区之间的绝对值距离矩阵： 3. 直接聚类法直接聚类法是根