聚类分析课件.pptVIP

*6、離差平方和法類似於方差分析的想法，如果類分得恰當，同類內的樣品之間的離差平方和應較小，而類間的離差平方和應當較大。離差平方和法的思路是，當k固定時，選擇使S達到最小的分類。先讓n個樣品各自成一類，然後縮小一類，每縮小一類離差平方和就要增大，選擇使S2增加最小的兩類合併，直到所有的樣品歸為一類為止。離差平方和法定義類間的平方距離為*其中是由Gp和Gq合併成的Gr類的類內離差平方和。可以證明離差平方和的聚類公式為*7、可變方法如果讓中間距離法的遞推公式前兩項的係數也依賴於?，則遞推公式為：用上式作為遞推公式的系統聚類法稱為可變法。*分別為Gp和Gq的重心，類與類之間的距離定義為兩個類重心（類內樣品平均值）間的平方距離。重心法，也稱為樣品的均值法。設Gp和Gq為兩個類8、重心法*設某一步Gp和Gq的重心分別為和，類內的樣品數分別為和，如果要把Gp和Gq合併為Gr類，則Gr類的樣品數nr=np+nq，Gr類的重心為和的加權算術平均數：*假設第p類和第q類合併成第類，第r類與其它各舊類的距離按重心法為：*二、確定類的個數在聚類分析過程中類的個數如何來確定才合適呢？這是一個十分困難的問題，人們至今仍未找到令人滿意的方法。但是這個問題又是不可回避的。下麵我們介紹幾種方法。1、給定閾值——通過觀測聚類圖，給出一個合適的閾值T。要求類與類之間的距離不要超過T值。例如我們給定T=0.35，當聚類時，類間的距離已經超過了0.35，則聚類結束。*總離差平方和的分解（準備知識）*如果著些樣品被分成兩類*可以證明：總離差平方和＝組內離差平方和＋組間離差平方和令T為總離差平方和令PG為分為G類的組內離差平方和。*2、統計量其中T是數據的總離差平方和，是組內離差平方和。比較大，說明分G個類時類內的離差平方和比較小，也就是說分G類是合適的。但是，分類越多，每個類的類內的離差平方和就越小，也就越大；所以我們只能取合適的G，使得足夠大，而G本身很小，隨著G的增加，的增幅不大。比如，假定分4類時，=0.8；下一次合併分3類時,下降了許多，=0.32，則分4類是合適的。*3、偽F統計量的定義為偽F統計量用於評價聚為G類的效果。如果聚類的效果好，類間的離差平方和相對於類內的離差平方和大，所以應該取偽F統計量較大而類數較小的聚類水準。*PseudoFStatistic0102030405060708090100110120NumberofClusters12345678910111213141516171819*4、偽統計量的定義為其中和分別是的類內離差平方和，是將K和L合併為第M類的離差平方和=--為合併導致的類內離差平方和的增量。用它評價合併第K和L類的效果，偽統計量大說明不應該合併這兩類，應該取合併前的水準。*三、系統聚類法的基本性質（一）單調性在聚類分析過程中，並類距離分別為lk（k=1，2，3，…?）若滿足，則稱該聚類方法具有單調性。可以證明除了重心法和中間距離法之外，其他的系統聚類法均滿足單調性的條件。（二）空間的濃縮和擴張1、定義矩陣的大小設同階矩陣D（A）和D（B），如果D（A）的每一個元素不小於D（B）的每一個元素，則記為。*2、空間的濃縮和擴張設有兩種系統聚類法A和B，他們在第i步的距離矩陣分別為Ai和Bi（I=1，2，3…），若AiBi，則稱第一種方法A比第二種方法B使空間擴張，或第二種方法比第一種方法濃縮。3、方法的比較D（短）D（平），D（重）D（平）；D（長）D（平）；當，D（變平）D（平）；當，D（變平）D（平）