各种聚类程序，包括生成聚类树、k-means，模糊k-means等

%-------------------------------------------------------------------------- % 例9.1 系统聚类 %-------------------------------------------------------------------------- %******************************计算例9.1的距离矩阵************************* x = [1, 2, 6, 8, 11]'; %例9.1中的观测数据 y = pdist(x) %计算样品间欧氏距离 D = squareform(y) %将距离向量转为距离矩阵 %**************************根据原始数据创建系统聚类树************************ x = [1, 2, 6, 8, 11]'; % 例9.1中的观测数据 Z = linkage(x, 'single', 'cityblock') %利用最短距离法创建系统聚类树 %***************************分步聚类，绘制聚类树形图************************* x = [1 2 6 8 11]'; % 例9.1中的观测数据 y = pdist(x,'cityblock'); % 计算样品间绝对值距离 z = linkage(y); % 利用最短距离法创建系统聚类树 % 设定每个观测的标签 obslabel = {'G1 = {1}';'G2 = {2}';'G3 = {6}';'G4 = {8}';'G5 = {11}'}; % 创建聚类树形图，方向为从右至左，叶节点标签在左边 [H,T] = dendrogram(z,'orientation','Right','labels',obslabel); set(H,'LineWidth',2,'Color','k') % 设置线宽为2，颜色为黑色 xlabel('并类距离') % 设定X轴标签 text(1.1,1.65,'G6') % 在点(1.1,1.65)处放置字符串'G6' text(2.1,3.65,'G7') % 在点(2.1,3.65)处放置字符串'G7' text(3.1,4.4,'G8') % 在点(3.1,4.4)处放置字符串'G8' text(4.1,3,'G9') % 在点(4.1,3)处放置字符串'G9' %*******************计算7种系统聚类法对应的Cophenetic相关系数**************** x = [1 2 6 8 11]'; % 例9.1中的观测数据 y = pdist(x,'cityblock'); % 计算样品间绝对值距离 % 定义元胞数组method，各元胞分别对应不同系统聚类法 method={'average','centroid','complete','median','single','ward','weighted'}; % 通过循环计算7种系统聚类法对应的Cophenetic相关系数 for i = 1:7 Z = linkage(y,method{i}); % 利用第i种系统聚类法创建聚类树 c(i) = cophenet(Z,y); % 计算第i种系统聚类法对应的Cophenetic相关系数 end c % 查看Cophenetic相关系数值 Z = linkage(y, 'average'); % 利用类平均法创建聚类树 [c, d] = cophenet(Z,y) % 计算Cophenetic相关系数c和cophenetic距离向量d RHO = corr(y',d') % 计算y和d的线性相关系数 %*************************调用cluster函数进行系统聚类************************ x = [1 2 6 8 11]'; % 例9.1中的观测数据 y = pdist(x,'cityblock'); % 计算样品间绝对值距离 z = linkage(y); % 利用最短距离法创建聚类树 T = cluster(z,'maxclust',3) % 将原始样品聚为3类 %***********************调用clusterdata函数进行系统聚类********************** x = [1 2 6 8 11]'; % 例9.1中的观测数据 T = clusterdata(x,'maxclust',3) % 将原始样品聚为3类 %-------------------------------------------------------------------------- % 例9.1 K均值聚类 %-------------------------------------------------------------------------- x = [1 2 6 8 11]'; % 例9.1中的观测数据 opts = statset('Display','final'); % 显示每次聚类的最终结果 % 将原始的5个点聚为3类，距离采用绝对值距离，重复聚类5次，显示每次聚类的最终结果 idx = kmeans(x,3,'Distance','city','Replicates',5,'Options',opts) %****************************绘制聚类轮廓图********************************* x = [1 2 6 8 11]'; % 例9.1中的观测数据 % 将原始的5个点聚为3类，距离采用绝对值距离，重复聚类5次 idx = kmeans(x,3,'Distance','city','Replicates',5); [S, H] = silhouette(x,idx) % 绘制轮廓图，并返回轮廓值向量S和图形句柄H