计量地理学-3.4-聚类分析

1、，计算群集要素的数据处理距离，准备工作，直接群集方法最短距离群集方法最远距离群集方法，Differences？系统群集方法计算类之间的距离集成公式，扩展扩展扩展扩展，系统聚类分析实例，应用节目，聚类分析，分类？群集？研究对象根据特定属性的标准、规则、特性、规则等分类为类型。E.G .按城市人口总数将城市分为大都市、大都市和中小城市。按年龄划分，把人分为少年、青年、中年、老年。Classification，为特定规则搜索分析执行研究对象的变量统计，并根据某些标准将这些研究对象收集到不同的类别中。(这些类别的特征不能提前预测。)E.G .根据研究对象的距离计算结果，根据最近的原则将这些对象集合到类

2、别中。群集、群集要素的数据处理、M个群集对象，并且每个群集对象都有N个变量/要素配置。相应的要素数据显示在下表中。M个群集对象必须聚合到多个类别中，每个对象由相同的N个变量描述。每个变量有M个样例观测值，每个对象有N个变量的具体值，一个区域中9个农业区域的7个经济指数数据。在聚类分析过程中，描述群集对象的变量是可选的。因此，确定群集要素的变量对象后，将在聚类分析之前处理群集要素的数据。在地理分类和分区研究中，聚集对象通常由多个要素组成。徐璐其他要素的数据经常徐璐具有不同的单位尺寸和数量级，其数量的变化可能很大，在一定程度上影响群集结果。标准化数据，消除其他变量的尺寸差异；徐璐统一其他变量的数量

3、级、总和标准化，单独合计每个群集要素的样例观测数据，将每个要素的数据除以该要素数据的总和。即，通过统一标准化方法获得的新数据满意：标准差标准化，对应于每个集群特征的样本观测数据，减去平均值以求得差异，然后标准差，即；每个要素的平均值为0，标准差1。也就是说，通过极大值标准化、极小值标准化、极大值标准化获得的新数据，每个要素的极大值为1，其他数字小于1。通过此标准化获得的新数据为每个要素的最大值为1，最小值为0，其他值均在0和1之间。针对特定地区9个农业地区的7个经济指数数据，例如，针对下表所示的一个地区9个农业地区的7个指标，对远视变量数据进行了极端标准化。解释：指标x1，x2，x7的最大值和

4、最小值，以及差异：解决远视数据的极端标准化处理数据：极端标准化处理后的数据，距离计算，聚类分析，研究对象的距离计算结果，根据最近的原则将这些对象聚集到类别中。，如何计算距离？绝对值距离Minkovsky距离chevisef距离，绝对值距离，ucled距离，绝对值距离，12=0.911.00 1.000.87 0.140.00=？欧氏距离，12=(0 . 911 . 00)2(1 . 000 . 87)2(0 . 140 . 00)2=？明可夫斯基距离，切比主厨距离，明科夫斯基距离P，明氏距离，12=(0.911.00) 3 (1.000.87) 3 (0.(p=3)，体氏距离，12=max 0

5、.911.00，1.000.87，0.140.00=？明可夫斯基距离，P，p=1，p=2，绝对值距离，欧氏距离，切比雪夫距离，描述对象的变量为x和y时，(x1，y1)，(x2，y2)，9个农业区7个经济指标极差标准化数据，计算任意两个农业区之间的绝对值距离，9个农业区之间的距离矩阵：聚类分析数据基础，直接聚类法(即，当前距离最小的两个对象聚集到一个类中)。)如果其中一个分类的对象已分类为一个类，则另一个对象也将分类为该类。如果一对分类对象恰好属于两个已归属的茄子类别，请将两个牙齿茄子类别合并为一个。每个合并会分割距离矩阵中物件所在栏和栏顺序相同的列。M-1次后，可以将所有分类目标分类为一个类别

6、，从而基于群集合并的优先级创建群集系谱图。示例：根据距离矩阵用直接聚类法聚类分析一个地区的9个农业区域，步骤如下：(1)在距离矩阵D中，除对角元素外，d49=d94=0.51牙齿最小，因此将4区和9区分成相同种类。、(2)除了其馀元素中对角线元素外，d75=d57=0.83牙齿最小，因此以相同种类绘制了第7行和第7列。(3)除了步骤2后剩下的元素中对角线元素外，d82=d28=0.88牙齿最小，因此将第8行和第8列分成2区和第8区等种类。(4)在步骤3后，除了其馀元素中对角线元素外，d43=d34=1.23牙齿最小，因此，将3区和4区一分为二，将4行和4列一分为二，3、4、9区已经合并成一类。

7、，、各(1，2)、(5，6群集结束了吗？(7)除了步骤6后剩下的元素中对角线元素以外，d31=d13=3.10牙齿最小，因此将1区和3区分为一类，再分为3行和3列。此时1，2，(8)在步骤7之后剩下的元素中，除对角元素外，只有d51=d15=5.86，因此将第5行和第5列分成与第1区和第5区相同的种类。此时，1、2、3、4、5、(1，3)、(1，5)和前三个茄子类别(3，可以按照上述步骤直接创建聚类分析进程的群集系谱图。群集进程距离阈值，特定距离阈值下的群集结果，聚集到三个茄子类别中，(1)除了距离矩阵D中的对角元素外，d49=d94=0.51牙齿最小。直接群集方法问题？-嗯？第4区和第9区是

8、划分第9行和第9列的新类。(阿尔伯特爱因斯坦，美国电视电视剧，第9区)，也就是说，保留第4区作为新班级的代表吗？-嗯？最短距离聚类方法，原理最短距离聚类方法，找出原始mm距离矩阵的非对角元素中最小的距离，将分类目标Gp和Gq合并到新类Gr中，然后根据计算公式计算原始类别和新类之间的距离，得到新(m1)阶段的距离矩阵。然后，选择新距离矩阵中最小的dij，将Gi和Gj合并到新类中。然后继续计算与新类的距离，直到分类类对象。(约翰f肯尼迪、类、类、类、类、类、类、类、类、类)此外，(m1)辅助群集进程必须能够将所有对象集合到一个类中。在最短距离簇方法中，在计算新类和原始类之间的距离时，您可以看到距离

9、值是原始类和新类中每个类之间的距离最小值。例如，根据距离矩阵用最短距离聚类法聚类分析一个地区的9个农业区域，(1) :解释：(1)在99次距离矩阵D中，非对角元素中最小的为d94=0.51。首先，将4区和9区记录为同一种类的GG。分别计算G1、G2、G3、G5、G6、G7、G8和G10=G4、G9之间的距离：D1，10=maxd14，d19=max2.19，2.69，(4)在步骤3中获得的77阶距离矩阵中，非对角元素中最小的为d28=0.88。单独计算G1、G3、G6、G10、G11和G12之间的距离将产生新的66阶距离矩阵。(5)在步骤4中获得的66阶距离矩阵中，非对角元素中最小的是D6，1

10、1=1.07，因此重新计算G1，G3，G10，G12和G13之间的距离将产生新的55阶距离矩阵。(6)在步骤5中获得的55阶距离矩阵中，非对角线元素中最小的是D3，10=1.20，因此返回G3和G10的G15=G12，G13和G14之间的距离重新计算将生成新的44阶距离矩阵。(7)在步骤6中获得的44阶距离矩阵中，不是对角线的元素中最小的是d12，14=1.29，因此，将G12和G14合并为一个，重新计算G1，G13和G15之间的距离将产生新的33阶距离矩阵。(8)在步骤6中获得的33阶距离矩阵中，非对角线元素中最小的是D1，15=1.32，因此，将G1和G15合并为一个，重新计算G16记录G

11、13和G16之间的距离，就可以得到新的22阶距离矩阵，(9) G13和G16合并为一个。在牙齿点，所有分类对象合并到一个类中。综合以上集群过程，可以创建最短距离集群系谱图。最远距离聚类方法，原理：最远距离聚类方法与最短距离聚类方法的唯一区别是在计算原始类和新类距离时使用的公式不同。最远距离丛集方法计算如下：也就是说，在最远的距离簇方法中，新类和原始类之间的距离是，原始类和新类之间的距离是最大值。，例如，根据距离矩阵采用最远距离聚类法聚类分析一个地区的9个农业区域，步骤：解释：(1)在99次距离矩阵D中，非对角元素中最小的为d94=0.51。首先，将4区和9区记录为同一种类的GG。分别计算G1、

12、G2、G3、G5、G6、G7、G8和G10=G4、G9之间的距离：D1，10=maxd14，d19=max2.19，2.69重新计算G1、G2、G3、G6、G8、G10和G11之间的距离，以获得新的77阶距离矩阵，如下所示：(3)在步骤2中获得的77阶距离矩阵中，非对角线元素中最小的为d28=0.88，因此，将分别计算G1、G3、G6、G10、G11和G12之间的距离，以获得新的66阶距离矩阵，如下所示：(4)在步骤3中获得的66阶距离矩阵中，非对角元素中最小的是D3，10=1.23，因此，重新计算G1，G6，G11，G12和G13之间的距离，以获得新的55阶距离矩阵，如下所示：(5)在步骤4中获得的55阶距离矩阵中，非对角线元素中最小的是D1，12=1.52，因此返回G1和G12的G6，G11，G13和G14之间的距离将分别计算，以获得以下新的44阶距离矩阵：(6)在步骤5中获得的44阶距离矩阵中，不是对角线的元素中最小的是D6，11=1.78，因此将G6和G11合并为一个，并分别计算G13，G14，G15之间的距离，以获得新的33阶距离矩阵，如下所示：(7)在步骤6中获得的33阶距离矩阵中，不是对角线的元素中最小的是d13，14=3.10，因此，将G13和G14合并为一个，记录如下：重新计算G15和G16之间的距离，可以得到新的22阶距离矩阵，如下所示