浅谈Matlab中的聚类分析 Matlab聚类程序的设计

helendcany

浅谈Matlab中的聚类分析 Matlab聚类程序的设计

2 D) Y7 X) _2 _4 E" \

Matlab提供系列函数用于聚类分析，归纳起来具体方法有如下：

    方法一：直接聚类，利用clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法，该方法的使用者无需了解聚类的原理和过程，但是聚类效果受限制。

    方法二：层次聚类，该方法较为灵活，需要进行细节了解聚类原理，具体需要进行如下过程处理：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用 linkage函数定义变量之间的连接；（3）用 copheneTIc函数评价聚类信息；（4）用cluster函数创建聚类。

    方法三：划分聚类，包括K均值聚类和K中心聚类，同样需要系列步骤完成该过程，要求使用者对聚类原理和过程有较清晰的认识。

    接下来，介绍Matlab中的相关函数和相关聚类方法。

1．Matlab中相关函数介绍

1.1 pdist函数

调用格式：Y=pdist(X,’metric’)

说明：用 ‘metric’指定的方法计算 X 数据矩阵中对象之间的距离。’

X：一个m&TImes;n的矩阵，它是由m个对象组成的数据集，每个对象的大小为n。

metric’取值如下：

‘euclidean’：欧氏距离（默认）；‘seuclidean’：标准化欧氏距离；

‘mahalanobis’：马氏距离；‘cityblock’：布洛克距离；

‘minkowski’：明可夫斯基距离；‘cosine’：

‘correlaTIon’： ‘hamming’：

‘jaccard’： ‘chebychev’：Chebychev距离。

游客，如果您要查看本帖隐藏内容请回复

  J) E* [# W+ T! r, I' g

gaoxings

发帖是心得 回帖是美德