动态聚类法

动态聚类法(dynamical clustering methods )亦称逐步聚类法。一类聚类法，属于大样本聚类法.具体作法是：先粗略地进行预分类，然后再逐步调整，直到把类分得比较合理为止，这种分类方法较之系统聚类法，具有计算量较小、占用计算机存贮单元少、方法简单等优点，所以更适用于大样本的聚类分析。 动态聚类法的聚类过程，可用以框图来描述，框图的每一部分，均有很多种方法可采用，将这些方法按框图进行组合，就会得到各种动态聚类法。Q型系统聚类法一般是在样品间距离矩阵的基础上进行的，故当样品的个数n很大(如n≥100)时，系统聚类法的计算量是非常大的，将占据大量的计算机内存空间和较多的计算机时间，甚至会因计算机内存或计算机时间的限制而无法进行。因此，当n很大时，我们自然需要一种相比系统聚类法而言计算量少得多，以致计算机运行时只需占用较少的内存空间和较短计算时间的聚类法。动态聚类法正是基于这种考虑而产生的一种方法。由于该方法不必确定距离矩阵，在计算机运行中不必存储基本数据，因此同系统聚类法相比，这种方法更适用于大的数据集，而且n越大，它的优越性就越突出。