Застосування методу DRSA – непараметричного кластерного аналізу в класифікації рослинності

Abstract

Розглядаються переваги застосування методу кластерного аналізу «Distance-Ranked Sorting Assembling» (DRSA) для класифікації рослинності. Використання рангів при визначенні відстаней між об'єктами забезпечує робастність і ефективність при обробці зашумованих, різнорідних фітоценотичних даних. Алгоритм групування об'єктів базується на ранжуванні об'єктів за індексами вільності та зв'язаності і виділенні кластерів у структурі k-NN графа. Нарощування кластерів припиняється по досягненню максимуму зв'язаності кластерів. Детально розглядаються підходи до оцінки якості класифікації фітоценотичних даних – за показниками щільності та відмежованості кластерів (фітоценонів), за кількістю диференціюючих видів. Для оцінки кореляції фітоценотичних класифікацій пропонується використовувати коефіцієнти кореляції номінальних ознак та таблиці спряженості альтернативних класифікацій. Оцінювати щільність та відмежованість фітоценонів пропонується з використанням внутрішніх індексів валідації кластерів, зокрема статистики силуетів. Запропоновано індекс CDR (compactness / distinctness ratio), який враховує співвідношення подібності описів за видовим складом всередині фітоценонів та між фітоценонами. Загальна кількість диференціюючих видів та їхня середня кількість на фітоценон використані як флористичний критерій для оцінки якості класифікації. Виділення диференціюючих видів проведено на статистичній основі з використанням індексів вірності видів. На модельних фітоценотичних наборах даних показано, що бракування перехідних описів покращує і внутрішні, і флористичні критерії якості класифікації.

Рассматриваются преимущества использования метода кластерного анализа «Distance-Ranked Sorting Assembling» (DRSA) в классификации растительности. Использование рангов при определении расстояний между объектами обеспечивает робастность и эффективность при обработке зашумленых, разнородных фитоценотических данных. Алгоритм группировки объектов базируется на ранжировании объектов по индексам свободности-связанности и выделении кластеров в структуре k-NN графа. Наращивание кластеров прекращается при достижении максимума связности кластеров. Подробно рассматриваются подходы к оценке качества классификации фитоценотических данных – с использованием индексов плотности-обособленности кластеров (фитоценонов) и по количеству дифференцирующих видов. Для оценки корреляции фитоценотических классификаций предлагается использовать коэффициенты корреляции номинальных признаков и таблицы сопряженности альтернативных классификаций. Оценить плотность и обособленность фитоценонов предлагается с использованием внутренних индексов валидации кластеров, в частности статистики силуэтов. Предложен индекс CDR (compactness / distinctness ratio), учитывающий соотношение сходства описаний по видовому составу внутри фитоценонов и между фитоценонами. Общее количество дифференцирующих видов и их среднее количество на фитоценон используются как флористический критерий оценки качества классификации. Выделение дифференцирующих видов проведено на статистической основе с использованием индексов верности видов. На модельных фитоценотических наборах данных показано, что браковка переходных описаний улучшает и внутренние, и флористические критерии качества классификации.

Advantages of the original clustering method of DRSA, or Distance-Ranked Sorting Assembling, for vegetation classification are discussed. Using ranks in determining distances between objects provides robust clustering in case of noisy and heterogeneous phytocoenotic data. Algorithm of objects agglomeration is based on ranking objects by the indices of freeness and connectedness as well as on assessing clusters within k-NN graph’s framework. Clusters are assembled iteratively for some time to be finalized at the maximum of cluster’s connectivity. We also consider in detail approaches to assess classification quality of phytocoenotic dataset including degree of cluster’s (phytocoenon) compactess-distinctness and amount of differential species. We propose using nominal correlation coefficients to evaluate concordance of phytocoenotic classifications and contingency tables to compare frequencies of common releves between different classifications. Phytocoenon’s compactness and distinctness are evaluated using well-known internal cluster validation indices, e.g. silhouette statistics. We introduced CDR-index (compactness / distinctness ratio) which is calculated from the score of average similarity of within-phytocoenon and between-phytocoenons releves. Total amount of faithful (differential) species and average amount of them per phytocoenon as floristic index of partitioning quality were used. We classified differential species on a statistical basis calculating specied-to-cluster fidelity index and selecting species with fidelity above defined fidelity’s threshold. Using the sample phytocoenotic datasets we proved that both internal and floristic indices of classification quality improve after the exclusion of transient releves with ecotonic species composition. In the DRSA method, noise detection is carried out during cluster agglomeration; this objectifies rejecting ecotonic releves according to Braun-Blanquet approach as well as increases amount of differential species and thus improves phytocoenons interpretability.