采用聚類分析的方法對兩種葡萄進行分類畢業(yè)論文

1、<p><b>　　模</b></p><p><b>　　式</b></p><p><b>　　識</b></p><p><b>　　別</b></p><p><b>　　結</b></p><p

2、><b>　　業(yè)</b></p><p><b>　　論</b></p><p><b>　　文</b></p><p>　?。ú捎镁垲惙治龅姆椒▽煞N葡萄進行分類）</p><p>　　學院：計算機與信息工程學院</p><p>　　班級：201

3、1級通信工程班</p><p>　　采用聚類分析的方法對兩種葡萄進行分類</p><p><b>　　摘要</b></p><p>　　根據(jù)釀酒葡萄的理化指標和葡萄酒的質(zhì)量對這些釀酒葡萄進行分級，建立聚類分析模型。首先因為樣品酒的60個指標之間具有較強的相關性，所以對變量指標進行R型聚類分析，降低變量個數(shù)；然后采用Q型聚類分析對樣本進行分類。把

4、兩組樣品葡萄分為5類。紅葡萄分類結果：第一類：樣品8（反式白藜蘆醇苷指標為5.283，而其他樣品都小于1）；第二類：樣品3（氨基酸指標為8397.28遠大于該指標均值2385.31）第三類：樣品10（VC含量10.25,遠大于均值0.477）；第四類：樣品1、2、4、5、6、7、9、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27；第五類：酒樣品11（花色苷指標為104.92，遠大于均值7.

5、787）；</p><p>　　關鍵詞： R型聚類 Q型聚類 </p><p><b>　　1問題分析</b></p><p>　　要根據(jù)釀酒葡萄和葡萄酒的質(zhì)量的這兩種葡萄進行分級，首先對原始釀酒葡萄的理化指標數(shù)據(jù)進行整理，并把葡萄酒的平均質(zhì)量指標作為葡萄的變量指標進行考慮。由于白葡萄和紅葡萄的分析方法相同，所以我們以紅葡萄為例來進行

6、分析。</p><p>　　首先定性考察反映紅葡萄指標狀況的60個方面，可以看出某些指標之間可能存在較強的相關性。比如氨基酸的總量與天門冬氨酸、蘇氨酸、絲氨酸、谷氨酸、脯氨酸、甘氨酸、丙氨酸、胱氨酸、纈氨酸、蛋氨酸、異亮氨酸、酪氨酸、苯丙氨酸、賴氨酸、組氨酸、精氨酸之間可能存在較強的相關性，白藜蘆醇與反式白藜蘆醇苷、順勢白藜蘆醇苷、反式白藜蘆醇、順勢白藜蘆醇之間可能存在較強的相關性，還原糖與果糖和葡萄糖之間存在較

7、強的相關性，為了驗證這種想法，運用MATLAB軟件計算60個指標的相關系數(shù)矩陣.</p><p>　　其次由相關性矩陣可以判斷某些指標之間確實存在很強的相關性，因此可以考慮從這些指標中選取幾個有代表性的指標進行聚類分析。為此，把60個指標根據(jù)其相關性進行R型聚類，聚成20類，再從每個類中選取代表性的指標。首先對每個變量的數(shù)據(jù)分別進行標準化處理。變量間相近性度量采用相關系數(shù)，類間相近性度量的計算選用類平均法，編寫M

8、ATLAB程序，從而求出聚類樹形圖。</p><p>　　最后根據(jù)這20個變量指標對27中紅葡萄進行聚類分析。首先對每個變量的數(shù)據(jù)分別進行標準化處理，樣本間相似性采用歐氏距離度量，類間距離的計算選用類平均法，編寫MATLAB程序，從而得到葡萄聚類樹形圖。</p><p><b>　　2模型的建立與求解</b></p><p>　　根據(jù)求得的相關

9、系數(shù)矩陣，采用R型分析和Q型分析的方法對葡萄進行分類，具體的數(shù)學模型如下：</p><p>　?。?）首先對葡萄的指標進行標準化處理，然后通過下面的模型可以求出葡萄變量指標的相關系數(shù)矩陣；</p><p>　　（2）然后采用最短距離法求出相關系數(shù)矩陣中兩個類中最近兩點間的距離，再采用dendrogram函數(shù)，即可畫出葡萄變量指標的聚類樹形圖；</p><p>　　最

10、后對每個變量指標的數(shù)據(jù)分別進行標準化處理，樣本間間的相似性采用歐氏距離度量，類間距離的計算選用類平均法，然后再次使用dendrogram函數(shù)求出葡萄的聚類樹狀圖，從而得到葡萄的分類結果。</p><p><b>　　3模型的結果與分析</b></p><p>　　1）紅葡萄分類的結果與分析如下：</p><p>　?。?）對紅葡萄變量的聚類樹狀

11、圖：</p><p>　　圖1 對紅葡萄變量的聚類樹狀圖</p><p>　　由圖形和MATLAB程序可知，把葡萄的變量指標分為20類，其中還原糖，果糖，葡萄糖，可溶性物質(zhì)，PH值、可滴定酸，顧酸比，干物質(zhì)含量，果穗質(zhì)量，百粒質(zhì)量，果梗比，出汁率，果皮質(zhì)量，L*,果皮顏色a+，果皮顏色b*，H，C，18個變量指標之間有較大的相關性，被聚到一起；氨基酸，脯氨酸，花色苷3個變量指標之間存在有

12、較大的相關性，被聚到一起；絲氨酸，纈氨酸，異亮氨酸，亮氨酸，賴氨酸，組氨酸，精氨酸之間存在較大的相關性，被聚成一類；白藜蘆醇和順勢白藜蘆醇苷之間存在較大的相關性，被聚成一類；黃酮醇。槲皮素，異鼠李素，總糖之間存在較大的相關性，被聚成一類；蘇氨酸，谷氨酸，丙氨酸，蘋果酸，檸檬酸，多酚氧化酶，褐變度，DPPH自由基，總酚，單寧，葡萄總黃酮之間存在較大的相關性，被聚成一類；其余各自成一類。這樣就從60個指標中選定20個分析指標，可以根據(jù)這35

13、個指標對27種紅葡萄進行聚類分析。</p><p>　?。?）27種紅葡萄聚成5類的樹狀圖</p><p>　　圖2 27種紅葡萄聚成5類的樹狀圖</p><p>　　由圖可知，各種紅葡萄之間存在較大的差異，可把27種葡萄分為4類，結果為：</p><p>　　第一類：紅葡萄樣品8；第二類：紅葡萄樣品3；第三類：紅葡萄樣品10；第四類：紅

14、葡萄樣品1，2，4，5，6，7，9，12，13，14，15，16，17，18，19，20，21，22，23，24，25，26，27；第五類：紅葡萄酒樣品11.</p><p>　　從以上結果結合聚類圖中的合并距離可以看出，紅葡萄樣品8與其他樣品有非常大的不同，主要表現(xiàn)在該樣品的蘋果酸，檸檬酸，褐變度，黃酮醇，遠高于其他樣品；紅葡萄樣品3與其他樣品的情形不同，單獨聚為一類，主要表現(xiàn)在樣品3的氨基酸含量遠遠高于所有樣

15、品氨基酸含量的平均值；紅葡萄樣品10與其他樣品不同，單獨聚為一類，主要表現(xiàn)在樣品10的多酚氧化酶活力指標遠大于該指標的平均值；紅葡萄樣品11單獨聚為一類，主要在于該樣品的花色苷，白藜蘆醇，果皮顏色等偏高德緣故；其他樣品之間極為類似，所以被聚在一類。針對這種情況，廠家在購買葡萄時，應該注意挑選，以使所買葡萄包含所有的類別，以提高葡萄的市場價值。</p><p>　　2、白葡萄分類結果與分析如下：</p>

16、<p>　?。?）對白葡萄變量的聚類樹狀圖：</p><p>　　圖3 白葡萄變量的聚類樹狀圖</p><p>　　由圖形和MATLAB程序可知，把白葡萄的變量指標分為20類，其中檸檬酸，反式白藜蘆醇苷2變量指標之間有較大的相關性，被聚到一起；白藜蘆醇，順勢白藜蘆醇苷2個變量指標之間存在有較大的相關性，被聚到一起；褐變度，順勢白藜蘆醇2個變量指標之間存在較大的相關性，被聚成一

17、類；PH值和顧酸比2個變量指標之間存在較大的相關性，被聚成一類；氨基酸總量，天門氨酸，蘇氨酸，絲氨酸，谷氨酸，脯氨酸，甘氨酸，丙氨酸，纈氨酸，蛋氨酸，異亮氨酸，亮氨酸，酪氨酸，苯丙氨酸，賴氨酸，組氨酸，精氨酸，蛋白質(zhì)，酒石酸，蘋果酸，總酚，單寧，葡萄總黃酮，黃酮醇，槲皮素，山奈酚，異鼠李素，總糖，還原糖，果糖，葡萄糖，可溶性固形物，干物質(zhì)含量，L*,果皮顏色b*，H,C，這37個變量指標之間存在較大的相關性，被聚成一類。這樣就從60個指

18、標中選定20個分析指標，可以根據(jù)這20個指標對28種白葡萄進行聚類分析。</p><p>　　（2）28種白葡萄聚成5類的樹狀圖</p><p>　　圖4 28種白葡萄聚成5類的樹狀圖</p><p>　　由圖可知，各種白葡萄之間存在較大的差異，可把28種葡萄分為5類，結果為：</p><p>　　第一類：白葡萄樣品21；第二類：白葡萄樣品1

19、5；第三類：白葡萄樣品11；第四類：白葡萄樣品2，3，4，5，6，7，8，9，10，11，12，13，14，16，18，19，20，22，23，24，25，26，27，28；第五類：紅葡萄酒樣品17.</p><p>　　從以上結果結合結合聚類圖中的合并距離可以看出，白葡萄21與其他樣品有非常大的不同，主要表現(xiàn)在，該樣品褐變度和b*指標非常高，而葡萄總黃酮遠低于其他樣品；樣品15與其他樣品極為不同，被單獨聚為一類

20、，主要是該樣品的白藜蘆醇，果穗質(zhì)量，百粒質(zhì)量非常高的緣故；白葡萄樣品11被單獨聚為一類，主要表現(xiàn)在該樣品的固酸比，果穗質(zhì)量，L*偏高；樣品17與其他樣品不同，單獨聚為一類，主要是在該樣品的VC含量，果梗比非常高的原因；其他的樣品極為相似，被聚在一起。針對這種情況，廠家在購買葡萄時，應該注意買各種各樣的葡萄，以使所買葡萄包含所有的類別。</p><p><b>　　4 模型的評價</b><

21、;/p><p>　　該聚類分析模型通過R型聚類對葡萄的變量指標進行聚類，通過Q型聚類在變量指標聚類下對釀酒葡萄進行聚類，把葡萄聚成了5類，符合客觀實際。聚類前，對相關系數(shù)矩陣做了定性的分析，可看出某些變量指標之間存在存在相關性，所以首先就考慮，聚類變量，減少變量個數(shù)，簡化運算，很容易得出結果。該模型還可以通過改變對葡萄的分類的大小，使分類結果更加詳細或粗略。另外，該數(shù)學模型也存在一些不足之處，例如考慮問題不太全面，模

22、型太過單一。</p><p><b>　　參考文獻：</b></p><p>　　[1].許國根.模式識別與智能計算的MATLAB實現(xiàn)[M].北京.北京航空航天大學出版社，2012.7</p><p>　　[2].韓中庚.數(shù)學建模方法及其應用[M].北京.高等教育出版社，2009.6</p><p><b>　

23、　程序：</b></p><p><b>　?。?）紅葡萄程序</b></p><p>　　function hongputao </p><p>　　h=xlsread('分類1紅酒') %讀入整理后的紅葡萄的數(shù)據(jù)</p><p>　　r=corrcoef(h)

24、 %求出讀入數(shù)據(jù)的相關系數(shù)</p><p>　　d=tril(r) %取出相關系數(shù)矩陣的下三角元素</p><p>　　for i=1:60 %對角線元素化為0</p><p><b>　　d(i,i)=0</b></p><p><b&

25、gt;　　end</b></p><p><b>　　d=d(:)</b></p><p>　　d=nonzeros(d) %取出非零元素</p><p>　　d=d';d=1-d;</p><p>　　z=linkage(d)</p><p>　　y=cluster

26、(z,20)</p><p>　　dendrogram(z,60) %畫出聚類樹狀圖</p><p>　　%將白葡萄的變量分為30類</p><p>　　dendrogram(z,60) %畫出聚類樹狀圖</p><p>　　ind1=find(y==20);ind1=ind1'%找出包含每一類中的來自原始數(shù)據(jù)集的對象&l

27、t;/p><p>　　ind2=find(y==19);ind2=ind2'</p><p>　　ind3=find(y==18);ind3=ind3'</p><p>　　ind4=find(y==17);ind4=ind4'</p><p>　　ind5=find(y==16);ind5=ind5'</p

28、><p>　　ind6=find(y==15);ind6=ind6'</p><p>　　ind7=find(y==14);ind7=ind7'</p><p>　　ind8=find(y==13);ind8=ind8'</p><p>　　ind9=find(y==12);ind9=ind9'</p>

29、<p>　　ind10=find(y==11);ind10=ind10'</p><p>　　ind11=find(y==10);ind11=ind11'</p><p>　　ind12=find(y==9);ind12=ind12'</p><p>　　ind13=find(y==8);ind13=ind13'<

30、/p><p>　　ind14=find(y==7);ind14=ind14'</p><p>　　ind15=find(y==6);ind15=ind15'</p><p>　　ind16=find(y==5);ind16=ind16'</p><p>　　ind17=find(y==4);ind17=ind17'

31、</p><p>　　ind18=find(y==3);ind18=ind18'</p><p>　　ind19=find(y==2);ind19=ind19'</p><p>　　ind20=find(y==1);ind20=ind20'</p><p>　　function honhputao2</p>

32、<p>　　h=xlsread('分類1紅酒');%輸入紅葡萄的數(shù)據(jù)</p><p>　　h(:,44:60)=[];%把有較大相關性的指標聚在一起</p><p>　　h(:,41:42)=[];</p><p>　　h(:,39)=[];</p><p>　　h(:,34)=[];</p>&l

33、t;p>　　h(:,24:31)=[];</p><p>　　h(:,22)=[];</p><p>　　h(:,20)=[];</p><p>　　h(:,17:19)=[];</p><p>　　h(:,14)=[];</p><p>　　h(:,13)=[];</p><p>　　h

34、(:,11)=[];</p><p>　　h(:,9)=[];</p><p>　　h(:,7)=[];</p><p>　　h(:,6)=[];</p><p>　　h=zscore(h)%對聚類后的數(shù)據(jù)進行標準化處理</p><p>　　y=pdist(h)</p><p>　　z=link

35、age(y)</p><p>　　y=cluster(z,5)%將紅葡萄分為5類</p><p>　　dendrogram(z,'average')%畫出紅葡萄的聚類樹狀圖</p><p>　　dendrogram(z,'average')%畫出紅葡萄的聚類樹狀圖</p><p>　　dendrogram(z,

36、27) %畫出紅葡萄聚類樹狀圖</p><p>　　ind1=find(y==5);ind1=ind1'%找出包含每一類中的來自原始數(shù)據(jù)集的對象</p><p>　　ind2=find(y==4);ind2=ind2'</p><p>　　ind3=find(y==3);ind3=ind3'</p><p>　　

37、ind4=find(y==2);ind4=ind4'</p><p>　　ind5=find(y==1);ind5=ind5'</p><p><b>　?。?）白葡萄程序</b></p><p>　　function baiputao1</p><p>　　b=xlsread('分類2白酒

38、9;) %讀入整理后的白葡萄的數(shù)據(jù)</p><p>　　r=corrcoef(b) %求出讀入數(shù)據(jù)的相關系數(shù)</p><p>　　d=tril(r) %取出相關系數(shù)矩陣的下三角元素</p><p>　　for i=1:60 %對角線元素化為0</p>

39、;<p><b>　　d(i,i)=0</b></p><p><b>　　end</b></p><p><b>　　d=d(:)</b></p><p>　　d=nonzeros(d) %取出非零元素</p><p>　　d=d';d=1-d

40、;</p><p>　　z=linkage(d) </p><p>　　y=cluster(z,20)%將白葡萄的變量分為30類</p><p>　　dendrogram(z,60) %畫出聚類樹狀圖</p><p>　　ind1=find(y==20);ind1=ind1'%找出包含每一類中的來自原始數(shù)據(jù)集的對象</p&

41、gt;<p>　　ind2=find(y==19);ind2=ind2'</p><p>　　ind3=find(y==18);ind3=ind3'</p><p>　　ind4=find(y==17);ind4=ind4'</p><p>　　ind5=find(y==16);ind5=ind5'</p>

42、<p>　　ind6=find(y==15);ind6=ind6'</p><p>　　ind7=find(y==14);ind7=ind7'</p><p>　　ind8=find(y==13);ind8=ind8'</p><p>　　ind9=find(y==12);ind9=ind9'</p><

43、;p>　　ind10=find(y==11);ind10=ind10'</p><p>　　ind11=find(y==10);ind11=ind11'</p><p>　　ind12=find(y==9);ind12=ind12'</p><p>　　ind13=find(y==8);ind13=ind13'</p>

44、;<p>　　ind14=find(y==7);ind14=ind14'</p><p>　　ind15=find(y==6);ind15=ind15'</p><p>　　ind16=find(y==5);ind16=ind16'</p><p>　　ind17=find(y==4);ind17=ind17'</

45、p><p>　　ind18=find(y==3);ind18=ind18'</p><p>　　ind19=find(y==2);ind19=ind19'</p><p>　　ind20=find(y==1);ind20=ind20'</p><p>　　function baiputao2</p><

46、p>　　h=xlsread('分類2白酒');%輸入白葡萄的數(shù)據(jù)</p><p>　　h(:,58:60)=[];%把有較大相關性的指標聚在一起</p><p>　　h(:,56)=[];</p><p>　　h(:,50)=[];</p><p>　　h(:,47)=[];</p><p>　　

47、h(:,39:46)=[];</p><p>　　h(:,37)=[];</p><p>　　h(:,32)=[];</p><p>　　h(:,29:31)=[];</p><p>　　h(:,27)=[];</p><p>　　h(:,25)=[];</p><p>　　h(:,24)=[]

48、;</p><p>　　h(:,11:20)=[];</p><p>　　h(:,2:9)=[];</p><p>　　h=zscore(h)%對聚類后的數(shù)據(jù)進行標準化處理</p><p>　　y=pdist(h)</p><p>　　z=linkage(y)</p><p>　　y=clust

49、er(z,5)%將白葡萄的變量分為30類</p><p>　　dendrogram(z,'average')%畫出紅葡萄的聚類樹狀圖</p><p>　　dendrogram(z,28) %畫出白葡萄聚類樹狀圖</p><p>　　ind1=find(y==5);ind1=ind1'%找出包含每一類中的來自原始數(shù)據(jù)集的對象</p&