最新聚类分析读书报告.docxVIP

w w 聚类分析读书报告 晨 研数理 1535 1152209008 基本原理 聚类问题实际上是将一组数据分成若干个组， 每个组里的对象具有很大的相 似性，不同的组之间存在尽量大的差异性。在这些组之间寻找数据之间在的联系。 这个过程实际上是一中在无监督状态下寻找最优划分的过程。 聚类有效性的评价 可以参考以下几个指标：聚类质量的度量、聚类算法与某种数据集适合的程度、 划分的最佳聚类数目。聚类分析的容十分丰富，一般情况下按法可以分为以下几 种：系统聚类法，调优法（动态聚类法），最优分割法（有序样品聚类法），模糊聚 类法，图论聚类法，聚类预报法。按照分类对象的不同可以分为 R型和Q型两 大类，R型是对变量进行分类，Q型是对样品进行分类。 聚类分析就是用数学法研究和处理给定对象的分类。 聚类问题是一个久远的 问题，是随着人类的产生和社会的发展而不断深化的一个问题。人们要认知世界、 改变世界就要区分不同的事物并感知存在于不同事物间的相似性。 经典分类学是从单对象或有限的几个对象出发， 单凭经验或专业知识对事物 进行分类。这种分类具有的优点是界限非常清晰。但是，随着人们认识的加深， 发现这种分类常常不适用于具有模糊性的分类问题。如把人按漂亮分为“漂亮的 人，“不漂亮的人”。这就产生了经典分类法解决不了的问题一如判定某个人的类 别。由此产生了模糊聚类分析，应用模糊聚类得到了对象属于不同类别的不确定 性程度，表达了样本类属的中介性，更能客观地反映现实世界。我们把应用普通 数学法进行分类的聚类法称为普通聚类分析，而把应用模糊数学法进行分析的聚 类分析称为模糊聚类分析。 【定义一】1.1三种类的定义: 【定义一】 设阈值T是给定的正数，若集合 G中任两个元素的距离dj都满 足：d 足：dj T （i, j G），则称G对于阈值T组成一个类。 【定义二】设阈值T是给定的正数，若集合G中每个i G都满足:— dj, 【定义二】 设阈值T是给定的正数，若集合G中每个i G都满足: — dj, T lim ， n 1 j g x 其中，n是集合G中元素的个数，则称G对于阈值T组成一个类。 【定义三】设T和H（ H T）是两个给定的正数，如果集合 G中两两元素距 离的平均满足: 1 RiGjGd T，d J G)， 其中n是集合G中元素的个数，则称G对于阈值T，H组成一个类。 1.2类的性质特征: 设类G包含的样品为X（1）, X（2）,…，X（n），其中X（t）（t 1,2,..., n）为m元总体的样 本，可以从不同角度来刻画G : (1)G的重心（或称均值）：Xg1 (1) G的重心（或称均值）：Xg 1 n X(t) n 11 (2) 样本离差阵AG及样本协差阵 SG分别为: n Xg),SgAg (X Xg),Sg (3)t 1 (3) 类的直径：用DG表示类G的直径，通常用以下来表示直径 n Dg (X(t)XG)(X(t)Xg) tr(AG) t 1 dg max*j， 距离与相似系数对样品进行分类，就需要研究它们之间的关系，现在用的较 多的是距离和相似系数。 1.3距离 把n个样品看成是m维空间中的n个点，那么两个样品间的相似系数用 d」」 度量。一般要求： di,j 0,对任意 i, j ;当 di,j 0 X(i) X(j)； dj dji，对任意 i, j ； dij dik dkj，对任意 i, j,k ° 明氏(Minkowski )距离 dj(q)X dj(q) Xit t 1 1 /qq Xjt (i, j 1,2,..., n)， m 当q 1时的一阶明氏距离为dj(1) Xit Xr (i, j 1,2,..., n)即绝对距离 t 1 1/2 当 q 2 时， 当 q 2 时，dj (2) Xit t 1 Xjt (i, j 1,2,..., n)，即欧氏距离 当趋于 时，dij( ) max Xit Xjt (i, j 1,2,..., n)，即为切比雪夫距离。 马氏(Mahalanobis)距离 马氏距离是1936年印度的马哈拉诺比斯提出的，具有很重要的作用 为指标的协差阵,( 为指标的协差阵, (ij)pp，其中, 1 nij 1 n ij 71 1(Xi Xi)(X j Xj )， (i,j 1,2,..., p) - 1X - 1 Xi n Xj 当-1存在时，则dj 当-1存在时，则dj(M) (Xi Xj) 1(Xi Xj)为马氏距离。 样品X到总体G的马氏距离定义为d2(X,G) (X ) 1(X )，其中 为 总体的均值向量。 兰氏(Canberra) 距离 兰氏距离是由兰思和威廉姆斯所给定的一种距离。其计算公式为: dj(L) dj(L) 1 m * X』 m i i (Xit x