.数学建模论文.docVIP

§1 聚类分析 将认识对象进行分类是人类认识世界的一种重要方法，比如有关世界的时间进程的究，就形成了历史学，也有关世界空间地域的研究，则形成了地理学。又如在生物学中，为了研究生物的演变，需要对生物进行分类，生物学家根据各种生物的特征，将它们归属于同的界、门、纲、目、科、属、种之中。事实上，分门别类地对事物进行研究，要远比在一个混杂多变的集合中更清晰、明了和细致，这是因为同一类事物会具有更多的近似特性。在企业的经营管理中，为了确定其目标市场，首先要进行市场细分。因为无论一个企业多么庞大和成功，它也无法满足整个市场的各种需求。而市场细分，可以帮助企业找到适合自己特色，并使企业具有竞争力的分市场，将其作为自己的重点开发目标。 通常，人们可以凭经验和专业知识来实现分类。而聚类分析（cluster analyses）作为一种定量方法，将从数据分析的角度，给出一个更准确、细致的分类工具。 1.1 相似性度量 1.1.1 样本的相似性度量 要用数量化的方法对事物进行分类，就必须用数量化的方法描述事物之间的相似 程度。一个事物常常需要用多个变量来刻画。如果对于一群有待分类的样本点需用p 个 变量描述，则每个样本点可以看成是Rp空间中的一个点。因此，很自然地想到可以用 距离来度量样本点间的相似程度。 记Ω是样本点集，距离d(?,?)是Ω×Ω→ R+的一个函数，满足条件： 1）d(x, y) ≥ 0，x, y∈Ω； 2）d(x, y) = 0当且仅当x = y； 3）d(x, y) = d( y, x)，x, y∈Ω； 4）d(x, y) ≤ d(x, z) + d(x, y)，x, y, z∈Ω。 这一距离的定义是我们所熟知的，它满足正定性，对称性和三角不等式。在聚类分析中，对于定量变量，最常用的是Minkowski 距离 当q = 1,2或q →+∞时，则分别得到 绝对值距离 (1) 欧氏距离 (2) Chebyshev 距离 (3) 在 Minkowski 距离中，最常用的是欧氏距离，它的主要优点是当坐标轴进行正交 旋转时，欧氏距离是保持不变的。因此，如果对原坐标系进行平移和旋转变换，则变换 后样本点间的距离和变换前完全相同。 值得注意的是在采用 Minkowski 距离时，一定要采用相同量纲的变量。如果变量 的量纲不同，测量值变异范围相差悬殊时，建议首先进行数据的标准化处理，然后再计 算距离。在采用Minkowski 距离时， 还应尽可能地避免变量的多重相关性 （multicollinearity）。多重相关性所造成的信息重叠，会片面强调某些变量的重要性。 由于Minkowski 距离的这些缺点，一种改进的距离就是马氏距离，定义如下 马氏（Mahalanobis）距离 (4) 其中x, y为来自p 维总体Z 的样本观测值，Σ为Z 的协方差矩阵，实际中Σ往往是不 知道的，常常需要用样本协方差来估计。马氏距离对一切线性变换是不变的，故不受量纲的影响。 此外，还可采用样本相关系数、夹角余弦和其它关联性度量作为相似性度量。近年 来随着数据挖掘研究的深入，这方面的新方法层出不穷。 1.1.2 类与类间的相似性度量 如果有两个样本类 1 G 和2 G ，我们可以用下面的一系列方法度量它们间的距离： 最短距离法（nearest neighbor or single linkage method） (5) 它的直观意义为两个类中最近两点间的距离。 最长距离法（farthest neighbor or complete linkage method） (6) 它的直观意义为两个类中最远两点间的距离。 重心法（centroid method） (7) 其中x, y 分别为1 2 G ,G 类平均法（group average method）