《利用Matlab软件实现聚类分析范文》由会员分享，可在线阅读，更多相关《利用Matlab软件实现聚类分析范文（7页珍藏版）》请在金锄头文库上搜索。
1、 WORD 格式.可编辑8.用Matlab 和 SPSS 软件实现聚类分析1. 用Matlab 编程实现运用 Matlab 中的一些根本矩阵计算方法，通过自己编程实现聚类算法，在此只争辩依据最短距离规章聚类的方法。调用函数：min1.m求矩阵最小值，返回最小值所在和以及值的大小min2.m比较两数大小，返回较小值 std1.m用极差标准化法标准化矩阵 ds1.m用确定值距离法求距离矩阵 cluster.m应用最短距离聚类法进聚类分析 print1.m调用各子函数，显示聚类结果聚类分析算法假设距离矩阵为 vector， a 阶，矩阵中最大值为 max，矩阵上三角元素等于 max聚类次数=a-1,
2、以下步骤作 a-1 次循环: 求转变后矩阵的阶数,计作 c专业学问整理共享求矩阵最小值，返回最小值所在e 和f 以及值的大小 gfor l=1:c,为 vector(c+1,l)赋值，产生新类第 c+1 元素， 第 e 和第 f 全部元素为， 第 e 和第 f 全部元素为max源程序如下：%std1.m,用极差标准化法标准化矩阵function std=std1(vector) max=max(vector);%对求最大值min=min(vector);a,b=size(vector);%矩阵大小,a 为数 ,b 为数for i=1:afor j=1:bstd(i,j)= (vector(i,
3、j)-min(j)/(max(j)-min(j);endend%ds1.m,用确定值法求距离function d=ds1(vector); a,b=size(vector); d=zeros(a);for i=1:afor j=1:afor k=1:bd(i,j)=d(i,j)+abs(vector(i,k)-vector(j,k);endendendfprintf(”确定值距离矩阵如下：n”);disp(d)%min1.m,求矩阵中最小值，并返回数及其值function v1,v2,v3=min1(vector);%v1 为数，v2 为数， v3 为其值v,v2=min(min(vector
4、”);v,v1=min(min(vector); v3=min(min(vector);%min2.m，比较两数大小，返回较小的值function v1=min(v2,v3);if v2v3v1=v3;elsev1=v2;end%cluster.m,最短距离聚类法function result=cluster(vector); a,b=size(vector); max=max(max(vector);for i=1:afor j=i:b vector(i,j)=max; endend;for k=1:(b-1)c,d=size(vector);fprintf(”第%g 次聚类:n”,k);e
5、,f,g=min1(vector);fprintf(”最小值=%g,将第%g 区和第%g 区并为一类，记作G%gnn”,g,e,f,c+1); for l=1:cif l=min2(e,f) vector(c+1,l)=min2(vector(e,l),vector(f,l); else vector(c+1,l)=min2(vector(l,e),vector(l,f); endend; vector(1:c+1,c+1)=max; vector(1:c+1,e)=max; vector(1:c+1,f)=max; vector(e,1:c+1)=max; vector(f,1:c+1)=m
6、ax;end%print1,调用各子函数function print=print1(filename,a,b); %a 为地区个数，b 为指标数fid=fopen(filename,”r”) vector=fscanf(fid,”%g”,a b); fprintf(”标准化结果如下：n”) v1=std1(vector)v2=ds1(v1); cluster(v2);%输出结果print1(”fname”,9,7)2. 直接调用 Matlab 函数实现2.1 调用函数层次聚类法Hierarchical Clustering的计算步骤：计算 n 个样本两两间的距离dij，记 D构造 n 个类，每
7、个类只包含一个样本；合并距离最近的两类为一新类；计算新类与当前各类的距离；类的个数等于1，转到 5；否那么回 3；画聚类图；打算类的个数和类；Matlab 软件对系统聚类法的实现调用函数说明：cluster从连接输出(linkage)中创立聚类clusterdata从数据集合(x)中创立聚类dendrogram画系统树状图linkage连接数据集中的目标为二元群的层次树pdist计算数据集合中两两元素间的距离(向)squareform将距离的输出向形式定格为矩阵形式zscore对数据矩阵 X 进标准化处各种命解释 T = clusterdata(X, cutoff)其中 X 为数据矩阵，cut
8、off 是创立聚类的临界值。即表示欲分成几类。以上语等价与以下几命：Y=pdist(X,euclid) Z=linkage(Y,single) T=cluster(Z,cutoff)以上三组命调用机敏，可以自由选择组合方法！ T = cluster(Z, cutoff)从逐级聚类树中构造聚类，其中 Z 是由语likage 产生的(n-1)3 阶矩阵， cutoff 是创立聚类的临界值。 Z = linkage(Y)Z = linkage(Y, ”method”)创立逐级聚类树， 其中 Y 是由语pdist 产生的 n(n-1)/2 阶向， method表示用何方法，默认值是欧氏距离single
9、)。有complete最长距离法； average 类平均距离； centroid 重心法；ward递增平方和等。 Y = pdist(X)Y = pdist(X, ”metric”)计算数据集 X 中两两元素间的距离， metric表示使用特定的方法，有欧氏距离euclid 、标准欧氏距离SEuclid 、马氏距离mahal、明可夫斯基距离Minkowski 等。 H = dendrogram(Z)H = dendrogram(Z, p)由 likage 产生的数据矩阵 z 画聚类树状图。P 是结点数，默认值是 30。2.2 举例说明设某地区有八个观测点的数据，样本距离矩阵如表 1 所示，依
10、据最短距离法聚类分析。%最短距离法系统聚类分析X=7.90 39.77 8.49 12.94 19.27 11.05 2.04 13.29;7.6850.3711.35 13.3 19.25 14.59 2.75 14.87;9.4227.938.20 8.14 16.17 9.42 1.55 9.76;9.1627.989.01 9.32 15.99 9.10 1.82 11.35;10.06 28.64 10.52 10.05 16.18 8.39 1.96 10.81;BX=zscore(X);% 标准化数据矩阵Y=pdist(X)% 用欧氏距离计算两两之间的距离D=squareform(Y)% 欧氏距离矩阵Z = linkage(Y)% 最短距离法T = cluster(Z,3)等价于 T=clusterdata(X,3) find(T=3)% 第 3 类集合中的元素H,T=dendrogram(Z)% 画聚类图聚类谱系图如图 1 所示：0.70.60.50.40.30.20.1014171322 12 8 2320 19 1 2115 5 2 3 1627 4 182428 6 10 7 3026 9 251129图 1 聚类谱系图
