See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/324226900

‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي اﻟﻬﺮﻣﻲ‬

Presentation · April 2018

DOI: 10.13140/RG.2.2.17701.60644

CITATIONS READS

0 7,176

1 author:

Bahaa Al-ameri
University of Basrah
15 PUBLICATIONS   0 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

(ARIMAX)‫ ﺑﺎﺳﺘﺨﺪام ﻧﻤﻮذج‬2030-2018 ‫ اﻟﺘﻨﺒﺆ ﺑﻨﺼﻴﺐ اﻟﻔﺮد ﻣﻦ اﻧﺘﺎج اﻟﻄﺎﻗﺔ اﻟﻜﻬﺮﺑﺎﺋﻴﺔ ﻓﻲ اﻟﻌﺮاق ﻟﻠﻔﺘﺮة‬View project

‫ دراﺳﺔ ﻣﻘﺎرﻧﺔ ﺑﻴﻦ اﻟﻤﺴﺘﺸﻔﻴﺎت اﻟﺤﻜﻮﻣﻴﺔ و اﻻﻫﻠﻴﺔ ﻓﻲ ﺗﻄﺒﻴﻘﻬﺎ ﻟﻤﻌﺎﻳﻴﺮ ﺟﻮدة اﻟﺨﺪﻣﺎت اﻟﺼﺤﻴﺔ‬View project

All content following this page was uploaded by Bahaa Al-ameri on 05 April 2018.

The user has requested enhancement of the downloaded file.

 ‫التخلًل العيقىدٍ اهلسمٌ‬
‫‪Hierarchical Cluster Analysis‬‬
‫مسياز مقدو‬
‫مً قبل‬
‫املدزس املساعد‬ ‫املدزس‬
‫أمحد هشاو حمند‬ ‫بهاء عبد السشاق قاسه‬

‫قسه اإلحصاء – كلًُ االدازَ واالقتصاد‬

‫جامعُ البصسَ‬
‫التخلًل العيقىدٍ اهلسمٌ‬
‫‪ -1‬ما املقصىد بالتخلًل العيقىدٍ ‪.‬‬
‫‪ -2‬فؤاد استخداو التخلًل العيقىدٍ وجماالت تطبًقه‪.‬‬
‫‪ -3‬اىىاع التخلًل العيقىدٍ‬
‫• التخلًل العيقىدٍ اهلسمٌ‬
‫• التخلًل العيقىدٍ باستخداو طسيقُ املتىسطات‬
‫‪ -4‬مساحل تيفًر التخلًل العيقىدٍ اهلسمٌ‬
‫• تلىيً مصفىفُ القسابُ ‪Proximities Matrix‬‬
‫• طسق العيقدَ اهلسمًُ‬
‫‪ -5‬مثال تطبًقٌ‬
 ‫‪ -1‬ما املقصىد بالتخلًل العيقىدٍ‬

‫يقصد به إجرسءاء هدردا ءت هصر جمم عة حرال رو ءري تر ػ ء‬

‫بطسق تعجم ال ري هسهجمبدرو اءلرع ح ودجمرد جمرو هلر ال ءارو ء صر ال‬
‫اءلع ءلع ق ا ءل ء د ت جونسال ( أي ت شوبه نسبجموً فجمةو بجم دو) فجمةو‬
‫ي علررخب اصررودد رردان إ أندررو ل ررال حررغ ررو أري ت ر ػ ء‬
‫ألسى ت ج ان يف ءلع ودجمد ءأللسى‪ ،‬أي هل ال ذء هشروبه ءدرع نسربجموً‬
‫بني و أري ت ػ ء ءلع ودجمد ءأللرسى‪ .‬ريحلجمره كلرغ ء نر وأ بر ال‬
‫ءنوس ءل حلجمع ءلع ق اي ي ةثع يف هسهجمب ءاو ءري ء ر ػ ء بشرلع‬
‫ح ودجمررد جمررو يعةررع حلررل هصررػ ءل بررويغ اءلررع ءلع قر ا ءل ء ررد ري‬
‫هعظجمم ءل بويغ بني ءلع ودجمد ء خ ل ال (سليمان‪،2012،‬ص‪.)143‬‬
‫‪ -2‬فىائد استخداو التخلًل العيقىدٍ وجماالت تطبًقه‬

‫داء تعجم ال ‪.‬‬ ‫‪ .1‬ءجيوا ءجملة حو ءاقجمقال حلل ريفخب‬

‫‪ .2‬ريءل صوز ءلبجمونو ‪.‬‬

‫ت عدان نركس ت دو‬ ‫يطبخب ءل حلجمع ءلع ق اي يف عو‬

‫‪ .1‬حلم ء جموا ‪.‬‬
‫‪ .2‬ءنرتجوع ء عل تو ‪.‬‬
‫‪ .3‬ء وخ ‪.‬‬
‫‪ .4‬حلم ءل س ريءلطب ‪.‬‬
‫‪ .5‬إاءزن ء حةول ‪.‬‬
 ‫‪ .1‬ءل حلجمع ءلع ق اي ءهلستي ‪Hierarchal Cluster Analysis .‬‬
‫‪ .2‬ءل حلجمع ءلع ق اي غ ءهلستي ( طسيقال ء نطو ) ‪K- Means‬‬

‫يعد ٌرا األسلُب مه األسالية المفضلح في التحليل العىولُ و َفيلً يلت عىولدج ‪n‬‬
‫مه المفس اخ َ تشك متسلس في ‪ m‬مه العىاقيد اذ يكُن ‪ c1‬اضعف العىاقيد َ ‪cm‬‬
‫أكثسٌا قُج ‪(.‬مظطفى‪ ،2005 ،‬ص‪)28‬‬
 ‫‪The a divisive technique‬‬ ‫‪.‬‬ ‫(‪)1‬‬
‫يتلخض عم ٌرا األسلُب على افتساع َجُ عىوُ َاحد للمفس اخ ث يلت جزئةلح ٌلرا‬
‫العىوُ الى عىاقيد جئةيح ث تعلد ذللت جزلئل العىاقيلد عللى عىاقيلد اطلاس ٌَكلرا وسلتمس‬
‫لحيه يتكُن لك مفس ج عىوُ خاص تٍا (طُاز َآخسَن‪، 2013،‬ص‪.)13‬‬

‫‪Agglomerative technique .‬‬ ‫(‪)2‬‬

‫مثدأ عم ٌرا األسلُب ماايس جماماً لألسلُب أعالي اذ يفتسع ان ك مفس ج جظف عىولُ‬
‫جئةي خلاص تٍلا ثل يلت جزميلن العىاقيلد الزئةيلح المتشلاتٍح فلي عىاقيلد جئةيلح أكثلس‬
‫شمُالً‪َ ،‬جكسز العمليح لحيه الحظلُ عللى عىولُ َاحلد يضل جميلن المفلس اخ (ٌيلث ‪،‬‬
‫‪ ،2011‬ص‪.)632‬‬
 ‫‪ -4‬مساحل تيفًر التخلًل العيقىدٍ اهلسمٌ‬
‫‪ .1‬تلىيً مصفىفُ القسابُ ‪proximities matrix‬‬
‫تكوين مصفوفة التقارب (‪ )proximities matrix‬وهي مصفوفة مربعة منن ررةنة ‪ n‬متماثمنة‬
‫) ويرمننن ل ننا‬ ‫عناصننرها مقسنناب سعنننر عننن الم ننافة نننمن انني نوةننمن مننن النسانننا ( الحننا‬
‫بالرمن ‪( D‬همثم واخرون‪ ،2011،‬ص‪ )630‬و تعرف بالشاي أرناه‪:‬‬

‫وتىجد هناك عدد من الطرق لقياس المسافة بين عناصر مصفىفة القرابة منها ‪:‬‬
‫‪ -1‬المسافة االقليدية ‪.Euclidean Distance‬‬
‫‪ -2‬صيغة منكىسكي ‪. Minkowsski metric‬‬
‫‪ -3‬مسافة القطاع ‪City Block distance‬‬
 𝒑 𝟐
𝑫 𝒙, 𝒚 = 𝒋=𝟏 𝒙 𝒋 − 𝒚𝒋 ; 𝒑 = ‫عدد الحاالت‬

Minkowsski metric
𝟏
𝒑 𝒓 𝒓
𝑫 𝒙, 𝒚 = 𝒋=𝟏 𝒙 𝒋 − 𝒚𝒋 ; 𝒓>𝟎

City Block Distance

𝒑
𝑫 𝒙, 𝒚 = 𝒙 𝒋 − 𝒚𝒋
𝒋=𝟏
 ‫‪ ‬طسيقُ اجلىاز االقسب ( السبط امليفسد )‬
‫حًث يته علِ اساسها اجياد اصغس مسافُ للل شوج مً العياقًد و زبطهنا معأ حبسب الصًغُ‬
‫اآلتًُ‪:‬‬

‫‪ ‬طسيقُ اجلىاز االبعد ( السبط الشامل )‬

‫يته يف هره الطسيقُ اجياد اكرب مسافُ بني العياقًد و زبطهنا معاً حبسب الصًغُ االتًُ‪:‬‬
 ‫•طسيقُ السبط باستخداو املتىسط(املعدل) ‪Average‬‬
‫تستخدو هره الطسيقُ لسبط عيقىديً وذلم باالعتناد علِ متىسط املسافُ بنيني ىقطنيُ منيً العيقنيىد‬
‫ووفق الصًغُ االتًُ‪:‬‬ ‫و ىقطُ مً العيقىد لثاىٌ (‪)B‬‬ ‫االول (‪)A‬‬
pi
(yi) xi

xi yi
P1 0.40 0.53
P2 0.22 0.38
P3 0.35 0.32
P4 0.26 0.19
P5 0.08 0.41
p6 0.45 0.30
 𝑫 𝑷𝟏 , 𝑷𝟐 •
𝑷𝟏 = 𝒙𝟏 , 𝒚𝟏 ; 𝑷𝟐 = 𝒙 𝟐 , 𝒚 𝟐
𝑷𝟏 = 𝟎. 𝟒𝟎, 𝟎. 𝟓𝟑 ; 𝑷𝟐 = 𝟎. 𝟐𝟐, 𝟎. 𝟑𝟖
𝑫 𝑷𝟏 , 𝑷𝟐 = 𝒙𝟏 − 𝒙𝟐 𝟐 + 𝒚𝟏 − 𝒚𝟐 𝟐
𝑫 𝑷𝟏 , 𝑷𝟐 = 𝟎. 𝟒𝟎 − 𝟎. 𝟐𝟐 𝟐 + 𝟎. 𝟓𝟑 − 𝟎. 𝟑𝟖 𝟐

𝑫 𝑷𝟏 , 𝑷𝟐 = 𝟎. 𝟎𝟓𝟒𝟗
𝑫 𝑷𝟏 , 𝑷𝟐 = 𝟎. 𝟐𝟑𝟒
 𝑫 𝑷𝟏 , 𝑷𝟑 •
𝑷𝟏 = 𝒙𝟏 , 𝒚𝟏 ; 𝑷𝟑 = 𝒙𝟑 , 𝒚𝟑
𝑷𝟏 = 𝟎. 𝟒𝟎, 𝟎. 𝟓𝟑 ; 𝑷𝟑 = 𝟎. 𝟑𝟓, 𝟎. 𝟑𝟐
𝑫 𝑷𝟏 , 𝑷𝟑 = 𝒙𝟏 − 𝒙𝟑 𝟐 + 𝒚𝟏 − 𝒚𝟑 𝟐
𝑫 𝑷𝟏 , 𝑷𝟐 = 𝟎. 𝟒𝟎 − 𝟎. 𝟑𝟓 𝟐 + 𝟎. 𝟓𝟑 − 𝟎. 𝟑𝟐 𝟐

𝑫 𝑷𝟏 , 𝑷𝟑 = 𝟎. 𝟎𝟒𝟔𝟔
𝑫 𝑷𝟏 , 𝑷𝟑 = 𝟎. 𝟐𝟏𝟔

𝑫 𝑷𝟐 , 𝑷𝟒 •
𝑷𝟐 = 𝒙𝟐 , 𝒚𝟐 ; 𝑷𝟒 = 𝒙𝟒 , 𝒚𝟒
𝑷𝟐 = 𝟎. 𝟐𝟐, 𝟎. 𝟑𝟖 ; 𝑷𝟒 = 𝟎. 𝟐𝟔, 𝟎. 𝟏𝟗
𝑫 𝑷𝟐 , 𝑷𝟒 = 𝒙𝟐 − 𝒙𝟒 𝟐 + 𝒚𝟐 − 𝒚𝟒 𝟐
𝑫 𝑷𝟐 , 𝑷𝟒 = 𝟎. 𝟐𝟐 − 𝟎. 𝟐𝟔 𝟐 + 𝟎. 𝟑𝟖 − 𝟎. 𝟏𝟗 𝟐

𝑫 𝑷𝟐 , 𝑷𝟒 = 𝟎. 𝟎𝟑𝟕𝟕
𝑫 𝑷𝟐 , 𝑷𝟒 = 𝟎. 𝟏𝟗𝟒
 Proximate Matrix
P1 P2 P3 P4 P5 P6
P6
P1 0 0.234 0.216 0.368 0.342 0.235
P2 0 0.143 0.194 0.143 0.244
P3
P3 0 0.158 0.285 0.102
0.102
P4 0 0.284 0.220
P5 0 0.386
P6 0

Cluster 1

3 6
 Average Linkage
P1 P2 P3,P6 P4 P5
P1 0 0.234 0.368 0.342
P2 0 0.194 0.143
P3,P6 0
P4 0 0.284
P5 0

1
𝐷(𝑃𝑘 , 𝑃𝑖 , 𝑃𝑗 ) = 𝑃𝑘 , 𝑃𝑖 + 𝑃𝑘 , 𝑃𝑗
2

𝐷(𝑃1 , 𝑃3 , 𝑃6 ) 𝐷(𝑃2 , 𝑃3 , 𝑃6 ) 𝐷( 𝑃3 , 𝑃6 ), 𝑃4 𝐷( 𝑃3 , 𝑃6 ), 𝑃5
 𝐷(𝑃1 , 𝑃3 , 𝑃6 ) •

𝟏
𝑫(𝑷𝟏 , 𝑷𝟑 , 𝑷𝟔 ) = 𝑷𝟏 , 𝑷𝟑 + 𝑷𝟏 , 𝑷𝟔
𝟐
𝟏
= (0.216+0.235)
𝟐
=0.226
𝐷(𝑃2 , 𝑃3 , 𝑃6 ) •
𝟏
𝑫(𝑷𝟐 , 𝑷𝟑 , 𝑷𝟔 ) = 𝑷𝟐 , 𝑷𝟑 + 𝑷𝟐 , 𝑷𝟔
𝟐
𝟏
= (0.143+0.244)
𝟐
=0.194
 P1 P2 P3,P6 P4 P5
P1 0 0.234 0.226 0.368 0.342
P2 0 0.193 0.194 0.143
0.143 Min Distance
P3,P6 0 0.189 0.335
P4 0 0.284
P5 0

Cluster 2
Cluster 2
Cluster 1

2 5 3 6 2 5
 P1 P2,P5 P3,P6 P4
P1 0 0.226 0.368
P2,P5 0
P3,P6 0 0.189
P4 0

𝐷(𝑃1 , 𝑃2 , 𝑃5 ) 𝐷( 𝑃2 , 𝑃5 ), 𝑃3 , 𝑃6 𝐷( 𝑃2 , 𝑃5 ), 𝑃4
𝐷(𝑃1 , 𝑃2 , 𝑃5 ) •
𝟏
𝑫(𝑷𝟏 , 𝑷𝟐 , 𝑷𝟓 ) = 𝑷𝟏 , 𝑷𝟐 + 𝑷𝟏 , 𝑷𝟓
𝟐
𝟏
= (0.234+0.342)
𝟐
=0.288
 𝐷( 𝑃2 , 𝑃5 ), 𝑃3 , 𝑃6 •
1
𝐷( 𝑃2 , 𝑃5 ), 𝑃3 , 𝑃6 = (𝑃2 𝑃3 , 𝑃6 ) + (𝑃5 𝑃3 , 𝑃6 )
2
1
= (0.193+0.335)
2
=0.264

Culster 3
P1 P2,P5 P3,P6 P4
P4
P1 0 0.288 0.226 0.368
P2,P5 0 0.264 0.239
P3,P6
P3,P6 0 0.189
0.189 Min Distance 3 6 4
P4 0

Cluster 3
Cluster 2
Cluster 1

3 6 4 2 5
 P1 P2,P5 (P3,P6),P4 P1 P2,P5 (P3,P6),P4
(P3,P6),P4
P1 0 0.288 P1 0 0.288 0.297
P2,P5 0 P2,P5
P2,P5 0 0.232
0.232 Min Distance
(P3,P6),P4 0 (P3,P6),P4 0

Cluster 4

Cluster 4

Cluster 3
Cluster 2
Cluster 1

3 6 4 2 5 3 6 4 2 5
 P1 (P2,P5)(P3,P6),P4)
P1 0 0.292
(P2,P5)(P3,P6),P4) 0

Cluster 5

Cluster 4

Cluster 3
Cluster 2
Cluster 1

3 6 4 2 5 1
View publication stats