第六章聚类分析课件.ppt

第六章_聚类分析;引言 地质学中有很多分类研究的问题，如沉积岩、古生物、矿物、油气藏、油气地球化学勘探指标的分类等是一些直接分类的例子；油气资源评价、油源对比等研究中也有分类；地层划分属于另一种分类。为叙述方便，在此把分类的具体目标统称为个体(样品或变量)。 聚类分析:根据个体之间的亲疏程度，将它们进行逐级定量分类的一种多元统计分析方法。 根据分类的不同方式，又把聚类分析分为聚合法和分解法聚类分析。 ;§1 聚类分析和聚类统计量; 聚合法聚类分析是按个体在性质或成因上的亲疏关系，把个体逐级聚集成类的一种多元统计分析方法。又称为点群分析，; 例如{1 1 2 2 3 3}是6个个体，据个体的相似性，把个体分为3类,结果是:{1 1}、{2 2}、{3 3}。这是一种把大类分解成小类的问题，地层的岩性段划分属于这类问题。; 1. 聚合法聚类统计量; 样品间的相似性就是矩阵行间的相似性，对样品聚类就是将矩阵中相似程度高的行合并为类； 变量间的相关性就是矩阵列间的相关性，对变量聚类就是将矩阵中相关程度高的列合并为类。;(6-1); 在上述相似系数矩阵中， rij =rji , rii=1。rij 越接近1，Xi与Xj的性质越相近。R描述了各样品间的相似程度。;(6-2);为避免dij过大造成计算溢出，将上式改为:;(2) R型聚类分析统计量;(6-4);(6-5); 在n 维直角坐标系中，2个点间的距离为：; 仅介绍分解法中的最优分割法。 n个样品m个变量的观测值构成一个数据矩阵:;第1段;总离差平方和: (常数) ;为样品的总数； ; 对于给定的数据来说，S是个常数，S1最小，S2必然最大。因此可将段内离差平方和;聚 合 法;§2 聚合法聚类分析;(4) 按上述方法进行第3级聚类、第4级聚类、…,直到全部个体合并为1类为止。;一、聚合法聚类分析的准备-数据预处理;二、一步形成法聚合法聚类分析;3、解例;解：（1）写出原始数据阵;（2）选择适当的相似统计量如下：;4.2聚合法聚类分析;聚合归类过程; 对于n维(样品点)或m维(变量点)空间的2个点来说，其距离在概念上是明确的(点间线段的长度)。但2类间的距离就有不同的定义，既可定义为2类中相距最近2点之间的距离，又可定义为2类中相距最远2点之间的距离，还可以取2类的重心距离等。; 1.最短距离法 (1) 最短距离 如图，定义p类和q类间的最短距离为：;图6-3 类r与类f的最短距离; 油源对比包括原油与原油、原油与生油岩的对比，主要是解决油源的问题。设编号为①、②、③的样品是取自生油层k1、k2、k3的岩样，编号为④的样品是取自储层k0的油样。需解决的问题是:k0的油来自哪个生油层？表6-2给出了油源对比常用的甾烷族化合物相对含量。; 计算个体(样品)点间的距离矩阵，记为:; 表明岩样k3与油样k0的甾烷族化合物相对含量最接近,应合成1类,记为r, r={③,④}。同时按式(6-9)计算类r与其它各类间的最短距离矩阵,记为D (1) ：; 由D(2)可知，四个样品以距离D = 9.6553聚为一大类。按聚类顺序绘制聚类谱系如下： ; (2) 最短距离法聚类的基本过程 ①准备工作 计算个体(样品或变量)点间的距离矩阵:;2. 最长距离法; 定义p类、q类间的平均距离为两类中所有个体间距离的平均值：; 假设类p、q 的重心分别是 、 ,那么类 p、q 间的重心距离为：; 类r与另外的类f 间重心距离的递推公式为：; 相关类统计量包括相关系数、相似系数。相应的聚合聚类法有近邻联接法、远邻联接法和类平均法，相应的递推公式为：;统计量; 四、聚类结果的选择 采用不同的聚类方法，其聚类过程都是相同的,但结果却不一定完全相同。究竟哪种方法分类结果更好?目前尚无合适的衡量标准。在实际应用中,要结合其它地质理论及资料,分析不同方法给出的分类结果,从中确定一种合理的分类方案。;图6-4 云南省某地超基性岩岩样聚类谱系