聚类分析读书报告.docxVIP

聚类分析读书报告 王晨研数理15351152209008 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内在的联系。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。聚类分析的内容十分丰富，一般情况下按方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方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方法解决不了的问题一如何判定某个人的类别。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方法进行分类的聚类方法称为普通聚类分析，而把应用模糊数学方法进行分析的聚类分析称为模糊聚类分析。 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中任何两个元素的距离%都满足：气T(i,jeG)，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ieG都满足： 上Tlim，-1jeGx* 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(HT)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： 一1一EEdT，d..H(i,jeG)，n(n—1)可ijieGjeG 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X⑴,X(2),...,X(.)，其中X(/=1,2,...,n)为m元总体的样本，可以从不同角度来刻画G. g的重心(或称均值)：xg=nXx(t)t=1 样本离差阵气及样本协方差阵SG分别为： 4=￡(X(t)-~XGy,SG=土气t=1 类的直径：用dg表示类G的直径，通常用以下来表示直径D=X(X-X^)(X-XC)=tr(A) G(t)G(t)GG t-1D=maxd， Gi,jeGi,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di,j度量。一般要求: 对任意i,j;当d=00X(.)=X(.)；d=d，对任意i,j； ddk+d，对任意i,j,k。 明氏(Minkowski)距离1/q d(q)=Xx-xq(i,j=1,2,...,n)， ij.itjt 当q=1时的一阶明氏距离为d⑴=|x.-x.(i,j=1,2,...,n)即绝对距离t=1 当q=2时，d(2)=Xx-x2%,j=1,2,...,n)，即欧氏距离司L=1打」 当趋于s时，d(8)=maxx.-x.(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。 X为指标的协方差阵，X=(七)肋，其中，1项，一、，= 1项，一、， =乙(x-x.)(x ?n—1ai1, a=1 aj -xj),(i,j=1,2,...,p) x-1? x-云、 a=1 x=1命 jnaj a=1 当￡-1存在时，则dj(M)=(X.—X.)￡-1(X.—X.)为马氏距离。 样品X到总体G的马氏距离定义为d2(X,G)=(X-日)￡-1(X-日)，其中|1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： d(L)=—Y--，i,j=1,2,...,n ijm.](x+x.) 1.3.4杰氏距离 杰氏距离是由杰斐瑞和马突斯塔提出的。计算公式为: 1.3.5斜交空间距离 由于变量之间往往存在着不同的相关关系，正交空间的距离计算样本空间易变性，可以采用斜交空间距离。 r1一1ld=一空(x—x)(x—x)r ijp2ihjhikjkhk Ln=1k=1- 1.4相似系数 为了将样品进行分类，研究样品之间的关系，采用相似系数的方法；性质接近的样品，相似