第一节系统聚类分析.doc

第五章 聚类分析 （一）教学目的 通过本章的学习，对聚类分析从总体上有一个清晰地认识，理解聚类分析的基本思想和基本原理，掌握用聚类分析解决实际问题的能力。 （二）基本要求 了解聚类分析的定义，种类及其应用范围，理解聚类分析的基本思想，掌握各类分析方法的主要步骤。 （三）教学要点 1、聚类分析概述； 2、系统聚类分析基本思想，主要步骤； 3、动态聚类法基本思想，基本原理，主要步骤； 4、模糊聚类分析基本思想，基本原理，主要步骤； 5、图论聚类分析基本思想，基本原理。 （四）教学时数 6课时 （五）教学内容 1、聚类分析概述 2、系统聚类分析 3、动态聚类法 4、模糊聚类分析 5、图论聚类分析 统计分组或分类可以深化人们的认识。实际应用中，有些情况下进行统计分组比较容易，分组标志确定了，分组也就得到了，但是，有些情况下进行统计分组却比较困难，特别是当客观事物性质变化没有明显标志时，用于确定分组的标志和组别就很难确定。聚类分析实际上给我们提供了一种对于复杂问题如何分组的统计方法。 第一节 聚类分析概述 一、聚类分析的定义 聚类分析是将样品或变量按照它们在性质上的亲疏程度进行分类的多元统计分析方法。聚类分析时，用来描述样品或变量的亲疏程度通常有两个途径，一是把每个样品或变量看成是多维空间上的一个点，在多维坐标中，定义点与点，类和类之间的距离，用点与点间距离来描述样品或变量之间的亲疏程度；另一个是计算样品或变量的相似系数，用相似系数来描述样品或变量之间的亲疏程度。 二、聚类分析的种类 （一）聚类分析按照分组理论依据的不同，可分为系统聚类法，动态聚类法，模糊聚类、图论聚类、聚类预报等多种聚类方法。 1、系统聚类分析法。是在样品距离的基础上定义类与类的距离，首先将个样品自成一类，然后每次将具有最小距离的两个类合并，合并后再重新计算类与类之间的距离，再并类，这个过程一直持续到所有的样品都归为一类为止。这种聚类方法称为系统聚类法。根据并类过程所做的样品并类过程图称为聚类谱系图。 2、动态聚类分析法。是将个样品初步分类，然后根据分类函数尽可能小的原则，对初步分类进行调整优化，直到分类合理为止。这种分类方法一般称为动态聚类法，也称为调优法。 3、模糊聚类分析法。是利用模糊数学中模糊集理论来处理分类问题的方法，它对经济领域中具有模糊特征的两态数据或多态数据具有明显的分类效果。 4、图论聚类分析法。是利用图论中最小支撑树（MST）的概念来处理分类问题，是一种独具风格的方法。 5、聚类预报法。是利用聚类方法处理预报问题的方法。主要应用于处理一些出现异常数据的情况，如气象中的灾害性天气的预报，这些异常数据采用回归分析或判别分析处理的效果不好，而聚类预报可以弥补回归分析及判别分析方法之不足，是一个很值得重视的方法。 （二）按照分析对象不同，可以分为型聚类分析和型聚类分析。 型聚类分析法是对样品进行的分类处理，可以揭示样品之间的亲疏程度。型聚类分析法是对变量进行的分类处理，可以了解变量之间，以及变量组合之间亲疏程度。 根据型聚类的结果，可以选择最佳的变量组合进行回归分析或者型聚类分析。其中，选择最佳变量的一般方法是,在聚合的每类变量中，各选出一个具有代表性的变量作为典型变量，其中选择的依据是。 ：表示每个变量与其同类的其它变量的相关系数的平方的均值。为该类中变量的个数。应用中，挑选值最大的变量作为该类的典型变量。 三、聚类分析中样品或变量亲疏程度的测定 1、变量类型与数据变换 通常变量类型按照计量尺度的不同，分为定类尺度，定序尺度，定距尺度，定比尺度变量。其中，前两者一般又称为定性资料，后两者一般又称为定量资料。在进行聚类分析处理时，样品间的相似系数和距离有许多不同的定义，这些定义与变量的类型有着密切关系，不同类型的变量在定义距离或相似性测度时具有很大的差异。 另外，由于样本数据受量纲和数量级的影响，在聚类分析处理过程中，首先应对原始数据矩阵进行变换处理，以便使不同量纲、不同数量级的数据能放在一起比较。常用的数据变换方法有以下几种： （1）中心化变换 中心化是一种标准化处理方法，它是先求出每个变量的样本均值，再从原始数据中减去该变量的均值，就得到中心化后的数据。即 对于一个样本数据，观测个指标，个样品的数据资料阵为： 设中心化后的数据为 则有 其中 进行了中心化变换后的数据特点是，其每列数据之和均为0。 （2）规格化变换（极差规格变换） 规格化变换是从数据矩阵的每一个变量中找出其最大值和最小值，这两者之差称为极差，然后从每一个原始数据中减去该变量中的最小值，再除以极差就得到规格化数据。规格化后的数据为： 进行了规格化变换后的数据特点是，将每列的最大数据