Die Cluster-Analyse misst den gesamten Verbindungsgrad eines Diagramms und die Zahl der einzelnen Knoten in einem Cluster. Ein Cluster wirkt wie eine Gruppe hochgradig vernetzter Knoten mit gemeinsamen Nachbarn.
Führen Sie zum Durchführen einer Cluster-Analyse die folgenden Schritte aus:
- Klicken Sie auf der Registerkarte Diagramm des Beziehungsdiagramms auf Beziehungsanalyse, um das Analyse-Overlayfenster zu öffnen.
Um das Fenster zu minimieren, klicken Sie auf den Pfeil links oben.
- Wählen Sie unter Analysemethode die Option Cluster-Bildung aus.
- Wählen Sie unter Analysetyp eine der folgenden Optionen aus:
- Doppelt verbundene Komponenten: Partitioniert das Netzwerk in Cluster, indem die doppelt verbundenen Komponenten analysiert werden. Eine doppelt verbundene Komponente ist ein verbundenes Unterdiagramm, das nicht abgetrennt werden kann. Das heißt, die Komponente ist auch dann noch verbunden, wenn ein einzelner Knoten entfernt wurde. Knoten sind so gruppiert, dass Knoten innerhalb jedes Clusters doppelt verbunden sind. Knoten, die zu mehreren doppelt verbundenen Komponenten gehören, werden exakt einem Cluster zugewiesen.
- Zwischenzentralität der Kante: Partitioniert das Netzwerk mittels Kanten-Zwischenzentralität in Cluster. Um dies zu bestimmen, finden Iterationen statt, in denen die Kante mit der höchsten Zwischenzentralität aus dem Netzwerk entfernt wird. Die Iterationen enden, wenn keine zu entfernenden Kanten mehr vorhanden sind oder die angeforderte maximale Anzahl an Clustern gefunden ist. Die Cluster-Bildung mit der besten Qualität wird zurückgegeben.
- Hierarchisch: Partitioniert das Netzwerk mittels hierarchischer Cluster-Bildung in Cluster. Bei der hierarchischen Cluster-Bildung wird eine Hierarchie aus Clustern in einem Bottom-to-Top-Ansatz basierend auf einer Entfernungsmetrik und einer Verknüpfung erstellt. Die Cluster-Bildung erfolgt mit der agglomerativen Strategie (zum Beispiel von unten nach oben) je nachdem, zu welchen Clustern jeder Knoten gehört. Bei jedem Schritt werden auf dem Weg nach oben Cluster zusammengeführt. Die Unähnlichkeit zwischen Clustern wird basierend auf der angegebenen Verknüpfung und der angegebenen Knotenentfernungsmetrik bestimmt.
- k-Means: Partitioniert das Netzwerk so in K-Cluster basierend auf deren Position, dass die Entfernung des Knotens zum mittleren Schwerpunkt der Cluster minimiert wird.
Die Analyse wird ausgeführt, und die tabellarischen Ergebnisse werden im Analyse-Overlayfenster angezeigt.
Danach können Sie mit den tabellarischen Ergebnissen im Analyse-Overlayfenster arbeiten.