聚类分析案例 聚类分析案例数据

关于聚类分析案例，聚类分析案例数据这个很多人还不知道，今天小华来为大家解答以上的问题，现在让我们一起来看看吧！

聚类分析案例 聚类分析案例数据

聚类分析案例 聚类分析案例数据

1、( 2) 防护林建设的区域异分析9. 5. 1 张掖地区土地利用结构空间分异特征研究区域土地利用结构的空间分异，可对复杂土地利用现象进行规律性简化，进而为各种土地利用问题的深入研究提供指导性框架。

2、随着土地利用信息的日益丰富，如何科学处理大量相关信息，已是土地利用格局研究面临的问题。

3、多元统计分析方法的应用，为相关的空间分异研究提供了可行的方法和手段。

4、计算机应用技术的发展，使多元统计分析过程中的计算速度已不是限制因素; 相应地，发掘和利用数值方法，探索区域宏观空间分异特征的研究取得了许多进展 ( 李元，2000; 唐华俊等，2000) 。

5、本节以甘肃张掖市各县区 1996 年土地利用详查数据为基础，用提取主要信息的因子分析和综合各种信息的聚类分析相结合的方法，探讨该区域土地利用结构的空间分异特征。

6、多元统计分析方法中的因子分析和聚类分析是两种重要的综合评价方法。

7、因子分析是建立一种从高维空间到低维空间的映射，这种映射能保持样本在高维空间的某种 “结构”，其中最明显的是与 “排序”有关的结构 ( 于秀林等，1999; 胡永宏等，2000) 。

8、因子分析不仅可以研究各个指标之间的关系，进而进行指标归类; 而且更重要的是通过因子分析的综合评价，可赋予每个评价单元少数富含有结构性映射的综合得分值或降维新指标以及反映新指标重要程度的特征根值。

9、聚类分析主要体现综合分析的作用，并能展示各样本之间的亲疏关系。

10、其局限性是，变量的量纲不同会影响分析结果，但经消除量纲影响的标准化处理，又使每个变量权重一致; 更为重要的是不能剔除变量之间的多余或重叠信息。

11、可见单纯的聚类分析结果往往不能真实反映各样本之间的亲疏关系。

12、但以因子分析的特征根为权重，乘以相应的因子得分值，则可以得到体现变量重要程度的少数指标，在此基础上进行的聚类分析可以较客观地反映样本或评价单元之间的亲疏关系。

13、对 25 种土地利用结构类型的比重进行因子分析和聚类分析。

14、因子分析的具体步骤: ①利用主成分分析法提取公共因子。

15、②根据方累计贡献率提取特征根 ( 一般认为大于 70%) 。

16、③选择方正交旋转进行变换。

17、④依据回归法计算因子得分。

18、聚类分析方法的具体步骤: ①以因子分析的前几个特征根和相应的因子得分值，计算新的变量; ②在新变量非标准化的前提下，用 Euclidean 方法计算样本间距离，用 Ward 方法进行连接 ( 于秀林等，1999;胡永宏等，2000) 。

19、9. 5. 1. 1 评价指标之间的关系评价指标的归类是综合数值分析的基础。

20、有关土地利用结构类型的各种指标之间存在着程度不同的相关性，通过因子分析，可对不同指标做进一步的归并，深化人们对各种指标之间 “亲疏”关系的理解。

21、如表9. 46、表9. 47、图9. 13 所示，前3 个特征根值的累计贡献率已经达到81. 559%( 大于 70%) ，即 25 个变量所反映的信息可由 3 个主成分 ( λ1+ λ2+ λ3≈20. 4 个变量) 反映81. 559%，降维效果十分明显。

22、因此，在 25 个特征根中提取前 3 个特征根。

23、表 9. 46 因子分析总方解释 注 : 提取方法为主成分分析; 旋转方法: 方正交旋转。

24、表 9. 47 旋转后的因子成分矩阵 注: 提取方法为主成分分析; 旋转方法: 方正交旋转。

本文到这结束，希望上面文章对大家有所帮助。