交通數(shù)據(jù)處理-第三章-聚類分析2_第1頁
交通數(shù)據(jù)處理-第三章-聚類分析2_第2頁
交通數(shù)據(jù)處理-第三章-聚類分析2_第3頁
交通數(shù)據(jù)處理-第三章-聚類分析2_第4頁
交通數(shù)據(jù)處理-第三章-聚類分析2_第5頁
已閱讀5頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

聚類分析2系統(tǒng)聚類法的基本思想

先將n個樣品各自看成一類,然后規(guī)定樣品之間的“距離”和類與類之間的距離。選擇距離最近的兩類合并成一個新類,計算新類和其它類(各當(dāng)前類)的距離,再將距離最近的兩類合并。這樣,每次合并減少一類,直至所有的樣品都?xì)w成一類為止。系統(tǒng)聚類法回顧(1)確定數(shù)據(jù)點之間的距離計算方法(2)確定數(shù)據(jù)分類后類與類之間距離的計算方法系統(tǒng)聚類法回顧PdistY=pdist(X)計算樣品對的歐式距離。輸入?yún)?shù)X是nхp的矩陣,矩陣的每一行對應(yīng)一個樣品,每一列對應(yīng)一個變量。輸出參數(shù)Y是包含n(n-1)/2個元素的行向量,用(i,j)表示第i個樣品和第j個樣品構(gòu)成的樣品對,則Y中的元素依次是(2,1),(3,1),…,(n,1),(3,2),…,(n,2),…,(n,n-1)系統(tǒng)聚類法的相關(guān)函數(shù)Y=pdist(X,metric)輸入?yún)?shù)metric指定計算距離的方法,metric為字符串,可用的字符串如下表所示。系統(tǒng)聚類法的相關(guān)函數(shù)Metric參數(shù)值說明‘euclidean’歐式距離‘seuclidean’標(biāo)準(zhǔn)化歐式距離‘mahalanobis’馬哈拉諾比斯距離‘cityblock’絕對值距離‘minkowski’閔可夫斯基距離‘chebychev’切比雪夫距離Y=pdist(X,‘minkowski’,p)計算樣品對的閔可夫斯基距離,輸入?yún)?shù)p為閔可夫斯基距離計算中的指數(shù),默認(rèn)情況下,指數(shù)為2系統(tǒng)聚類法的相關(guān)函數(shù)SquareformZ=squareform(y)Z=squareform(y,‘tomatrix’)y=squareform(Z)y=squareform(Z,‘tovector’)前兩種調(diào)用時把pdist函數(shù)輸出的距離向量y轉(zhuǎn)為距離矩陣Z,而后兩種調(diào)用則是把距離矩陣Z轉(zhuǎn)換為pdist函數(shù)輸出的距離向量y。系統(tǒng)聚類法的相關(guān)函數(shù)Linkage函數(shù)Z=linkage(y)利用最短距離法創(chuàng)建一個系統(tǒng)聚類樹。輸入?yún)?shù)y是樣品對距離向量,是包含n(n-1)/2個元素的行向量,通常是pdist函數(shù)的輸出。輸出Z是一個系統(tǒng)聚類樹矩陣,它是(n-1)*3的矩陣,這里的n是原始數(shù)據(jù)中觀測樣品的個數(shù)。Z矩陣每一行對應(yīng)一次并類,第i行上前兩個元素為第i次并類的兩個類的類編號,初始類編號為1~n,以后每形成一個新類,類編號從n+1開始逐次增加1.Z矩陣的第i行中的第3個元素為第i次并類時的并類距離系統(tǒng)聚類法的相關(guān)函數(shù)Z=linkage(y,method)利用method參數(shù)制定的方法創(chuàng)建系統(tǒng)聚類樹,method是字符串,可用的字符串如下所示系統(tǒng)聚類法的相關(guān)函數(shù)Method參數(shù)值說明‘a(chǎn)verage’類平均法‘centroid’重心法‘complete’最長距離法‘median’中間距離法‘single’最短距離法‘ward’離差平方和法‘weighted’可變類平均法Z=linkage(y,method,metric)metric用來指定計算點與點之間距離的方法系統(tǒng)聚類法的相關(guān)函數(shù)Metric參數(shù)值說明‘euclidean’歐式距離‘seuclidean’標(biāo)準(zhǔn)化歐式距離‘mahalanobis’馬哈拉諾比斯距離‘cityblock’絕對值距離‘minkowski’閔可夫斯基距離‘chebychev’切比雪夫距離Dendrogram函數(shù)H=dendrogram(Z)由系統(tǒng)聚類樹矩陣Z生成系統(tǒng)聚類樹形圖。輸入?yún)?shù)Z是由linkage函數(shù)輸出的系統(tǒng)聚類樹矩陣。輸出參數(shù)H是樹形圖中線條的句柄值向量,用來控制線條屬性。系統(tǒng)聚類法的相關(guān)函數(shù)H=dendrogram(Z,p)生成一個樹形圖,通過輸入?yún)?shù)p來控制顯示的葉節(jié)點數(shù)。系統(tǒng)聚類法的相關(guān)函數(shù)H=dendrogram(…,‘orientation’,‘orient’)通過設(shè)定’orientation’參數(shù)及參數(shù)值’orient’來控制聚類樹形圖的方向和放置葉節(jié)點標(biāo)簽的位置,可用參數(shù)如下所示參數(shù)值說明‘top’從上至下,葉節(jié)點標(biāo)簽在下方,為默認(rèn)情況‘bottom’從下至上,葉節(jié)點標(biāo)簽在上方‘left’從左至右,葉節(jié)點標(biāo)簽在右邊‘right’從右至左,葉節(jié)點標(biāo)簽在左邊H=dendrogram(…,‘labels’,S)通過一個字符串?dāng)?shù)組或字符串元胞數(shù)組設(shè)定每一個觀測值的標(biāo)簽。當(dāng)樹形圖中顯示了全部的葉節(jié)點時,葉節(jié)點的標(biāo)簽記為相應(yīng)觀測的標(biāo)簽;當(dāng)樹形圖中忽略了某些節(jié)點時,只包含單個觀測的葉節(jié)點的標(biāo)簽記為相應(yīng)觀測的標(biāo)簽。系統(tǒng)聚類法的相關(guān)函數(shù)Cophenet函數(shù)Cophenet函數(shù)用來計算系統(tǒng)聚類樹的cophenetic相關(guān)系數(shù)Cophenetic相關(guān)系數(shù)反映了聚類效果的好壞,cophenetic相關(guān)系數(shù)越接近于1,說明聚類效果越好,可通過Cophenetic相關(guān)系數(shù)對比各種不同的距離計算方法和不同的系統(tǒng)聚類法的聚類效果系統(tǒng)聚類法的相關(guān)函數(shù)cophenetic相關(guān)系數(shù)對給定的樣本觀測矩陣X,用y=(y1,y2,…,yn(n-1)/2)表示由pdist函數(shù)輸出的樣本的距離向量,用(i,j)表示由第i個樣本和第j個樣本構(gòu)成的樣本對,則y中的元素依次是樣本對(2,1),(3,1),…,(n,1),(3,2),…,(n,2),…,(n,n-1)的距離設(shè)d=(d1,d2,…,dn(n-1)/2),d中元素依次是樣本對(2,1),(3,1),…,(n,1),(3,2),…,(n,2),…,(n,n-1)中初次并類時的并類距離,稱為cophenetic距離系統(tǒng)聚類法的相關(guān)函數(shù)cophenetic相關(guān)系數(shù)是指y與d之間的線性相關(guān)系數(shù)c=cophenet(Z,Y)在上述調(diào)用中,cophenet函數(shù)用pdist函數(shù)輸出的Y和linkage函數(shù)輸出的Z計算系統(tǒng)聚類樹的cophenetic相關(guān)系數(shù)。輸出參數(shù)c為Cophenetic相關(guān)系數(shù)系統(tǒng)聚類法的相關(guān)函數(shù)inconsistent函數(shù)用來計算系統(tǒng)聚類樹矩陣Z中每次并類得到的鏈接的不一致系數(shù),其調(diào)用格式如下Y=inconsistent(Z)Y=inconsistent(Z,d)參數(shù)Y是一個(n-1)*4的矩陣,各列的含義如下系統(tǒng)聚類法的相關(guān)函數(shù)列序號說明1計算設(shè)計的所有鏈接長度(即并類距離)的均值2計算涉及的所有鏈接長度的標(biāo)準(zhǔn)差3計算涉及的鏈接個數(shù)4不一致系數(shù)不一致系數(shù)可用來確定最終的分類個數(shù)。在并類過程中,若某一次并類對應(yīng)的不一致系數(shù)較上一次有大幅增加,說明該次并類效果不好,而它上一次的并類效果使比較好的,不一致系數(shù)增加的幅度越大,說明上一次并類效果越好。在使得類的個數(shù)盡量少的前提下,可參照不一致系數(shù)的變化,確定最終的分類數(shù)。系統(tǒng)聚類法的相關(guān)函數(shù)Clusterdata函數(shù)調(diào)用了pdist、linkage和cluster函數(shù),用來由原始眼根數(shù)據(jù)矩陣X創(chuàng)建系統(tǒng)聚類,T=clusterdata(X,cutoff)T=clusterdata(X,param1,val1,param2,val2,…)輸出參數(shù)T包含n個元素的列向量,其元素為相應(yīng)觀測所屬類的類序號。Curfoo為閾值。Clusterdata函數(shù)T=clusterdata(X,cutoff)T=clusterdata(X,param1,val1,param2,val2,…)系統(tǒng)聚類法的相關(guān)函數(shù)參數(shù)名參數(shù)值含義‘distance’Pdist函數(shù)所支持的metric參數(shù)的取值指定距離的計算方法‘linkage’Linkage函數(shù)所支持的method參數(shù)的取值指定系統(tǒng)聚類方法‘cutoff’正實數(shù)指定不一致系數(shù)或距離的閾值‘maxclust’正整數(shù)指定最大類數(shù)動態(tài)聚類法(快速聚類法/k均值聚類法)

系統(tǒng)聚類法是一種比較成功的聚類方法。然而當(dāng)樣本點數(shù)量十分龐大時,則是一件非常繁重的工作,且聚類的計算速度也比較慢。比如在抽樣調(diào)查中,有4萬人就其出行方式偏好作了回答,希望能迅速將他們分為幾類。這時,采用系統(tǒng)聚類法就很困難,而動態(tài)聚類法就會顯得方便,適用。動態(tài)聚類使用于大型數(shù)據(jù)。動態(tài)聚類法

基本思想:選取若干個樣品作為凝聚點,計算每個樣品和凝聚點的距離,進(jìn)行初始分類,然后根據(jù)初始分類計算其重心,再進(jìn)行第二次分類,一直到所有樣品不再調(diào)整為止。K均值聚類法又稱為快速聚類法,其基本步驟為1.選擇K個樣品作為初始凝聚點(聚類種子),或者將所有樣品分為k個初始類,然后將k個類的重心(均值)作為初始凝聚點。2.對除初始凝聚點之外的所有樣品逐個歸類,將每個樣品歸入離他最近的凝聚點所在的類,該類的凝聚點更新為這一類目前的均值,直至所有樣品都?xì)w類。重復(fù)步驟2,直至所有樣品不能再分配位置K均值聚類法選擇凝聚點分類修改分類分類是否合理分類結(jié)束YesNo

用一個簡單的例子來說明動態(tài)聚類法的工作過程。例如我們要把圖中的點分成兩類??焖倬垲惖牟襟E:

1、隨機(jī)選取兩個點和作為凝聚點。

2、對于任何點,分別計算

3、若,則將劃為第一類,否則劃給第二類。于是得圖(b)的兩個類。4、分別計算兩個類的重心,則得和,以其為新的凝聚點,對空間中的點進(jìn)行重新分類,得到新分類。

(b)任取兩個凝聚點(c)第一次分類(d)求各類中心

(a)空間的群點(e)第二次分類動態(tài)聚類法

優(yōu)點:計算量小,方法簡便,可以根據(jù)經(jīng)驗,先作主觀分類。缺點:結(jié)果受選擇凝聚點好壞的影響,分類結(jié)果不穩(wěn)定。選擇凝聚點和確定初始分類

凝聚點就是一批有代表性的點,是欲形成類的中心。凝聚點的選擇直接決定初始分類,對分類結(jié)果也有很大的影響,由于凝聚點的不同選擇,其最終分類結(jié)果也將出現(xiàn)不同。故選擇時要慎重.通常選擇凝聚點的方法有:

(1)人為選擇,當(dāng)人們對所欲分類的問題有一定了解時,根據(jù)經(jīng)驗,預(yù)先確定分類個數(shù)和初始分類,并從每一類中選擇一個有代表性的樣品作為凝聚點。

(2)重心法將數(shù)據(jù)人為地分為A類,計算每一類的重心,將重心作為凝聚點。(3)密度法以某個正數(shù)d為半徑,以每個樣品為球心,落在這個球內(nèi)的樣品數(shù)(不包括作為球心的樣品)稱為這個樣品的密度。計算所有樣品點的密度后,首先選擇密度最大的樣品為第一凝聚點。然后選出密度次大的樣品點,若它與第一個凝聚點的距離大于2d,則將其作為第二個凝聚點;否則舍去這點。這樣,按密度由大到小依次考查,直至全部樣品考查完畢為止.此方法中,d要給得合適,太大了使凝聚點個數(shù)太少,太小了使凝聚點個數(shù)太多。

(4)人為地選擇一正數(shù)d,首先以所有樣品的均值作為第一凝聚點。然后依次考察每個樣品,若某樣品與已選定的凝聚點的距離均大于d,該樣品作為新的凝聚點,否則考察下一個樣本。第一,選擇凝聚點;第二,初始分類;對于取定的凝聚點,視每個凝聚點為一類,將每個樣品根據(jù)定義的距離向最近的凝聚點歸類。第三,修改分類得到初始分類,計算各類的重心,以這些重心作為新的凝聚點,重新進(jìn)行分類,重復(fù)步驟2,3,直到分類的結(jié)果與上一步的分類結(jié)果相同,表明分類已經(jīng)合理為止。動態(tài)聚類法的基本步驟:例:某汽車4s店5位店員的月銷售量和受教育程度如下表:售貨員12345銷售量(輛)11688教育程度12320對這5位店員分類。選擇凝聚點1②③④⑤①②③④為最大。可選擇2和5作為凝聚點。計算各樣品點兩兩之間的距離,得到如下的距離矩陣對于取定的凝聚點,視每個凝聚點為一類,將每個樣品根據(jù)定義的距離,向最近的凝聚點歸類。1②G1⑤G2134得到初始分類為:::2.初始分類計算G1和G2的重心:G1的重心(1,1.5),G2的重心(7.33,1.67)G1G212345得到分類結(jié)果:::3.修改分類以這兩個重心點作為凝聚點,再按最小距離原則重新聚類修改前后所分的類相同,故可停止修改。和。

5個售貨員可分為兩類Kemans函數(shù)IDX=kmeans(X,k)將n個點分為k類。輸入?yún)?shù)X為n*p矩陣,矩陣的每一行對應(yīng)一個點,每一列對應(yīng)一個變量。輸出參數(shù)IDX是一個n*1的向量,其元素為每個點所屬類的類序號。K均值聚類法的相關(guān)函數(shù)[IDX,C]=kmeans(X,k)返回k個類的類重心坐標(biāo)矩陣C,C是一個k*p的矩陣,第i行的元素為第i類的類重心坐標(biāo)。[IDX,C,sumd]=kmeans(X,k)返回類內(nèi)距離和(即類內(nèi)個點與類重心之間的距離之和)向量sumd,sumd是一個1*k的向量,第i個元素為第i類的類內(nèi)距離之和。K均值聚類法的相關(guān)函數(shù)Silhouette函數(shù)Silhouette函數(shù)用來根據(jù)cluster,clusterdata或者kmeans函數(shù)的聚類結(jié)果繪制輪廓圖,從輪廓圖上可以看出每個點的分類是否合理。輪廓圖上第i個點的輪廓值是K均值聚類法的相關(guān)函數(shù)a是第i個點與同類的其他點之間的平均距離,b為一個向量,其元素是第i個點與不同類的類內(nèi)各點之間的平均距離,如b的第k個元素就是第i個點與第k類各點之間的平均距離。輪廓值S(i)的取值范圍為[-1,1],S(i)取值越大,說明第i個點的分類越合理,當(dāng)S(i)<0時,說明第i個點的分類不合理,還有比目前分類更合理的方案。K均值聚類法的相關(guān)函數(shù)Silhouette的調(diào)用格式Silhouette(X,clust)根據(jù)樣本觀測值矩陣X和聚類結(jié)果clust繪制輪廓圖。輸入?yún)?shù)X是一個n*p的矩陣,矩陣的每一行對應(yīng)一個觀測,每一列對應(yīng)一個變量。Clust是聚類結(jié)果,可以是由每個觀測值所屬的類序號構(gòu)成的數(shù)值向量,也可以是由類名稱構(gòu)成的字符矩陣或字符串元胞數(shù)組。默認(rèn)情況下,Silhouette函數(shù)會采用平方歐式距離K均值聚類法的相關(guān)函數(shù)s=Silhouette(X,clust)返回輪廓值向量s,它是一個n*1的向量,其元素為相應(yīng)點的輪廓值。此時不繪制輪廓圖。[s,h]=Silhouette(X,clust)繪制輪廓圖,并返回輪廓值向量s和圖形句柄h。x=[1,2,6,8,11]';在很多分類過程中,分類對象之間沒有明確的界限,往往具有亦此亦彼的情況。例如好與壞之間沒有明確的界限,我認(rèn)為某個人是好人,別人未必這么認(rèn)為;高與矮之間也沒有明確的界限,多高的人才算是高,可能每個人都有每個人的判斷。諸如此類的問題,如果用傳統(tǒng)的聚類方法進(jìn)行分類,把每個待分類的對象嚴(yán)格地劃分到某個類中,這也存在一定的不合理性。借助L.A.Zadeh提出的模糊集理論,人們開始應(yīng)用模糊的方法來處理聚類,并稱之為模糊聚類分析。模糊C均值聚類法模糊聚類分析作為無監(jiān)督機(jī)器學(xué)習(xí)的主要技術(shù)之一,是用模糊理論對重要數(shù)據(jù)分析和建模的方法,建立了樣本類屬的不確定性描述,能比較客觀地反映現(xiàn)實世界,它已經(jīng)有效地應(yīng)用在大規(guī)模數(shù)據(jù)分析、數(shù)據(jù)挖掘、矢量量化、圖像分割、模式識別等領(lǐng)域,具有重要的理論與實際應(yīng)用價值,隨著應(yīng)用的深入發(fā)展,模糊聚類算法的研究不斷豐富。在眾多模糊聚類算法中,模糊C-均值(FCM)算法應(yīng)用最廣泛且較成功,它通過優(yōu)化目標(biāo)函數(shù)得到每個樣本點對所有類中心的隸屬度,從而決定樣本點的類屬以達(dá)到自動對數(shù)據(jù)樣本進(jìn)行分類的目的。把n個向量xi(i=1,2,…,n)分為c個模糊組,并求每組的聚類中心,使得非相似性指標(biāo)的價值函數(shù)達(dá)到最小。用模糊劃分,使得每個給定數(shù)據(jù)點用值在0,1間的隸屬度來確定其屬于各個組的程度。與引入模糊劃分相適應(yīng),隸屬矩陣U允許有取值在0,1間的元素。不過,加上歸一化規(guī)定,一個數(shù)據(jù)集的隸屬度的和總等于1給定觀測數(shù)據(jù)矩陣X的每一行為一個樣品(或觀測),每一列為一個變量的n個觀測值。模糊聚類將n個樣品劃分為c個類(2≤c≤n).記V={v1;v2;…;vc}為c個類的聚類中心,其中vi=(vi1,vi2,…,vip)記U=(uik)c*n為隸屬度矩陣,其中元素uik表示第k個樣本屬于第i類的隸屬度定義目標(biāo)函數(shù)U=(uik)c*n為隸屬度矩陣顯然,J(U,V)表示了各類中樣品到聚類中心的加權(quán)平方距離之和,權(quán)重是樣品xk屬于第i類的隸屬度的m次方,模糊C均值聚類法德聚類準(zhǔn)則是求U,V,使得J(U,V)取最小值。(1)確定類的個數(shù)c,冪指數(shù)m>1和初始隸屬度矩陣U(0)=(uik(0))。(2)通過下式計算第l步的聚類中心V(l)(3)修正隸屬度矩陣U(l),計算目標(biāo)函數(shù)J(l)(4)對給定的隸屬度終止容限或者達(dá)到最大迭代步長,停止迭代,否則l=l+1,轉(zhuǎn)至(2)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論