最小码原理在分级式和非分级式多元聚类分析中的应用
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


THE MINIMUM DESCRIPTION LENGTH PRINCIPLE AS APPLIED TO HIERACHICAL AND NONHIERACHICAL CLUSTERING ANALYSIS
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 文章评论
    摘要:

    植被数量生态研究中常用的多元聚类法(无论是分级式还是非分级式的)的目的是将一组具有多种属性变量(元)的个体按其属性的相似性和分异规律划分到某些具有代表性的类别。而在类别数的确定问题上,由于缺乏理论上的根据(指数量上的理论),往往不可避免地带有主观性和盲目性。笔者以为聚类的类别数或聚类分析的模型结构应取决于原始数据的结构特征。应用计算理论中的最小码原理(The Minimum Description Length Principle),笔者对聚类类别数和模型结构进行了数量上的优化选择,并将这一思想实现在一通用软件包FUZPAK中,实例分析表明优,化结果较能反映原始数据的特征。

    Abstract:

    Many existing clustering methods rely on the experience and insight into the original data of the analyst to determine the final model structure featured by number of groups (C) either directly (i. e., the fuzzy ISODATA analysis) or indirectly (i. e., the TWINSPAN classification). Hence certain arbitrariness and subjectivity are inevitably involved in the result of analysis when the individuals consisting of the data are not significantly clustered and when the analyst has difficult to gain insight into the...

    参考文献
    相似文献
    引证文献
引用本文

高琼.最小码原理在分级式和非分级式多元聚类分析中的应用.生态学报,1991,11(4):355~360

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数: