了解煤多變量的逐步聚類分析法

        通過上述大量煉焦試驗結果統計分析，煙煤分類特別對煉焦用煤的指標選定為煤的揮發分V和粘結指數G是適宜的。分類方法和過程在煤的成因特征和工藝要求的指標選定之后，如何依據煤的自然本性和煤在熱加工過程中的表現特性進行劃界，是分類工作中的一個重要課題。有兩種算法，其基本思想都是對樣品按“物以類聚”的原則進行合并歸類。

        一種稱為經驗分類，需要事先對樣品確定類別數和選定典型，這就有賴于對分類對象性質的認識深度和生產實踐驗，如果再應用聚類分析可適當彌補其不足；破碎機廠家在這方面做的比較好。另一種是近年來發展的多變量的逐步聚類分析法和最優分割法，采用逐次對樣品集合進行先分割，然后再歸并的方法，對樣品進行分類。

         最優分割法又稱Fisher算法，它把分類對象（煤）先后作一個集合（類），根據煤變質程度或粘結性等特性值的數值順序，對有序樣品進行分割。分割的位置要求達到使分割后各類內部樣品之間的差異盡可能地小，而類與類之間差異盡可能地大，以此作為衡量“最優”分割的標準。