《医学统计学》课程教学资源：第十九章 聚类分析 Clustering Analysis

相似糸数 (2)绝对距离( Manhattan distance) 行=y2X:-X (3)明考斯基距离( Minkowski distance)

(2)绝对距离（Manhattan distance） dij   Xi  Xj q i j q dij  X  X 相似系数 (3)明考斯基距离（Minkowski distance）

(4)马氏距离( Mahalanobis distance) 相似 数 d;; = XS-1X Xi1-xil 11 12 lm X12-X12 22 2m X《= S= Xim -xir S_,S,…S m2 mm

(4)马氏距离（Mahalanobis distance） dij=X’ S-1 X 相似系数          im jm i2 j2 i1 j1 X X X X X X  X=       m1 m2 mm 21 22 2m 11 12 1m S S S S S S S S S        S=

第二节糸统聚类 1.开始各个样品或指标独为一类; 2.计算各类间相似系数,形成矩阵; 3.将相似系数最大的两类合并成新类; 4.计算新类与其余类间相似系数,形成矩阵; 5.重复第3、4步,直至全部样品或指标并为 类

第二节 系统聚类 1.开始各个样品或指标独为一类； 2.计算各类间相似系数，形成矩阵； 3.将相似系数最大的两类合并成新类； 4.计算新类与其余类间相似系数，形成矩阵； 5.重复第3、4步，直至全部样品或指标并为 一类

糸统聚类 类间相似系数计算 当两类各含一个样品或指标时,两类间相似 系数即两样品或指标间相似系数d1;或r;j 当两类含有两个或以上样品或指标时,两类 间相似系数有多种定义。 Gn、G表示两类,各含n、nn个样品或指标, 共有n×n个相似系数

一 、类间相似系数计算 当两类各含一个样品或指标时，两类间相似 系数即两样品或指标间相似系数dij或rij。 当两类含有两个或以上样品或指标时，两类 间相似系数有多种定义。 Gp、Gq表示两类，各含np、nq个样品或指标， 共有np×nq个相似系数。 系统聚类

糸统聚类 1.最大相似系数法 Dm=Min(a)样品聚类 i∈Gp,j∈Gq rm=Max(rn)指标聚类 G P 2.最小相似系数法 Dm=Max(dn)样品聚类 Gn,j∈G in(rn)指标聚类 i∈G,i∈G

1.最大相似系数法     指标聚类 样品聚类 r r D d ij i G , j G pq ij i G , j G pq Max Min p q p q       2.最小相似系数法     指标聚类 样品聚类 r r D d ij i G , j G pq ij i G , j G pq Min Max p q p q       系统聚类