地理信息系统基础：系统聚类分析.pptVIP

④ 切比雪夫距离。当明科夫斯基距 时，有 实例中9个农业区之间的绝对值距离矩阵如下 （4） （5） 聚类分析不仅可以对“样本”分类，也可以对“变量分类”(例如书113面的第3题) 。在此情况下分类的依据是“相似性系数”而不是“距离” 。 两种常用的相似系数（书97面）： （1）夹角余弦 （2）相关系数 三（2）变量之间相似系数的计算 四(1)、直接聚类法 原理及步骤（书100面） （1）将每个对象或样本看做1类，共m类，记为G1, G2,…,Gm (2)定义并计算样本之间的两两“距离”，得到第1个距离矩阵 D0 （3）合并距离最近的两类为一新类，其它的样本暂不合并这样可得到共m-1类。 （4）对新得到的分类重复步骤（2）（3），直至将全部样本分为1类为止。 第二次课 四(1)、直接聚类法 原理及步骤（书100面） （5）绘系统聚类树形图。 （6）选取距离临界值，根据树形图确定分类个数和分类结构 例题：某地区的9个农业区的聚类分析。 极差标准化矩阵如下（书101面，程序HCA_Example3.m) 例题：某地区的9个农业区的聚类分析。 绝对值距离矩阵如下（书102面，程序HCA_Example3.m) 聚类分析步骤如下 （书102-104面）: (1)在距离矩阵D中，除去对角线元素以外，d49=d94=0.49为最小者，故将第4区与第9区并为一类，得到一个新的共8类的暂时分类结果； (2)按新的分类结果重新计算距离矩阵（见103面），发现d57=0.85最小，故将第5区与第7区并为一类，得到一个新的共7类的暂时分类结果； (3)按上面的方法依此类推。 图3.4.1 直接聚类谱系图 聚类谱系图（树形图）说明 （1）聚类谱系图显示的是一个一般的分类结构，不是一个特定的分类结果。 （2）用户可设定“距离临界值”并根据设定的临界值进行分类。例如，如设定距离临界值”在1.78-3.10之间，则9个农业区可分为3大类,即 {G1, G2, G8}, {G3,G4,G9}, {G5,G6,G7} （3）“距离临界值”的选取没有一个严格的标准，一般取距离跨度较大的两个值中间的值。 四（2）、最短距离聚类法 最短距离聚类法，是在原来的m×m距离矩阵找出“距离最小”的两个分类对象Gp和Gq，并将其归并为一新类Gr，然后按“距离最短”计算公式 计算原来各类与新类之间的距离，这样就得到一个新的（m－1）阶的距离矩阵； 再从新的距离矩阵中选出距离最小者dij，把Gi和Gj归并成新类；再计算各类与新类的距离，这样一直下去，直至各分类对象被归为一类为止。 例题:用最短距离聚类法对某地区的9个农业区进行聚类分析 （注意此距离矩阵跟我们书上计算的略有出入，估计是数据标准化后进行四舍五入后造成的）。 系统聚类分析 （Hierarchical Cluster Analysis) 主要内容（参见书87面-） 聚类分析概述 聚类要素的数据处理 距离和相似系数的计算 常用系统聚类法 环境应用 一、聚类分析概述 引例1：书89面例4.1. -问题：6个站点可否按其指标的相似性进行分类？如何综合考虑5个指标？ 表1 某地区9个农业区的7项经济指标数据 区代号 人均 耕地X1 /（hm2·人-1） 劳均 耕地X2 /（hm2·个-1 ） 水田 比重 X3 /% 复种 指数x4 /% 粮食 单产x5 /（kg·hm -2） 人均粮食x6 /（kg·人-1 ） 稻谷占粮食比重x7/% G1 0.294 1.093 5.63 113.6 4 510.5 1 036.4 12.2 G2 0.315 0.971 0.39 95.1 2 773.5 683.7 0.85 G3 0.123 0.316 5.28 148.5 6 934.5 611.1 6.49 G4 0.179 0.527 0.39 111 4 458 632.6 0.92 G5 0.081 0.212 72.04 217.8 12 249 791.1 80.38 G6 0.082 0.211 43.78 179.6 8 973 636.5 48.17 G7 0.075 0.181 65.15 194.7 10 689 634.3 80.17 G8 0.293 0.666 5.35 94.9 3 679.5 771.7 7.8 G9 0.167 0.414 2.9 94.8 4 231.5 574.6 1.17 引例2：可否对9个农业区进行分类？ 聚类分