模式識別及其分類(文件)
【正文】 100150200250300多環(huán)芳烴HPLCDAD數(shù)據(jù) 有 3個重要因子 模式識別與分類 多環(huán)芳烴HPLCDAD數(shù)據(jù) ?*X ?F?TL FA實例 TTFA 已知4物的純光譜 但僅3個主因子 F補一列 1111111 模式識別與分類 多環(huán)芳烴HPLCDAD數(shù)據(jù) FA實例 TTFA ?? ? *T1T LLL)(LT 280 1 25 ?*L ?? LTL? B[k]F B[b]F 苝 蒽 B[k]F B[b]F 苝 蒽245 280 265 286 1 305 325 25 Known Predicted0100200300240 260 280 300 320wavelength/nmabsorbance/mA5050150250240 260 280 300 320wavelength/nmabsorbance/mA存在 不存在 模式識別與分類 聚類分析 ? 無監(jiān)督學(xué)習(xí)方法 ? 根據(jù)相似性度量，物以類聚 ? 分類 方法 是 把未知對象分配到 已存在類中 聚類分析步驟 n個樣本 n類 計算距離 最近 的 2類 合并 繼續(xù)合并 最近的 2類 經(jīng) n1次合并 最后成 1類 模式識別與分類 聚類分析 距離與相似性度量的方法 明氏 Minkowski距離 pKkpjkikij xxd11 ?????? ?? ??歐氏 Euclidean距離 2?p曼哈頓 Manhattan距離 cityblock距離 1?p 模式識別與分類 聚類分析 距離與相似性度量的方法 馬氏 Mahalanobis距離 )()( 12 jiTjiijD xxCxx ??? ?基于協(xié)方差矩陣 C的向量運算 基于馬氏距離的相似性量度 )max(1 ijijij ddS ??完全相似 Sij=1 完全不相似 Sij=0 馬氏距離可避免特征向量的相關(guān)性引起的失真 無需對數(shù)據(jù)進行調(diào)整 模式識別與分類 聚類分析實例 6個血清樣本的分級聚類 mg/100ml對象 鈣 磷酸鹽1 2 3 4 5 6 血清樣本的鈣和磷酸鹽濃度對象 1 2 3 4 5 61 2 3 4 5 6 第一次距離對象 2距離最短，聚為新對象 1* 設(shè)其距離為 0 與其余各對象用平均法或新距離 221*1iiiddd ?? 模式識別與分類 聚類分析實例 6個血清樣本的分級聚類 對象 1* 3 4 5 61 3 4 5 6 第二次距離4， 6 并 4* 對象 1* 3 4* 51* 3 4* 5 第三次距離4*， 5 并 5* 對象 1* 3 5*1* 3 5* 第四次距離對象 3* 5*3* 5* 第五次距離1*，3 并3* 模式識別與分類 聚類分析實例 6個血清樣本的分級聚類 1 2 3 1
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1