聚类数据集
%% 利用不同方法对债券样本进行聚类
%说明
%分别采用不同的方法，对数据进行聚类
%可以选择的pdist/clustering距离
% methods = {'euclidean'; 'seuclidean'; 'cityblock'; 'chebychev'; ...
% 'mahalanobis'; 'minkowski'; 'cosine'; 'correlation'; ...
% 'spearman'; 'hamming'; 'jaccard'};
%Y=pdist(X) 生成各数据点之间距离的行向量
%squareform(Y) 生成方阵（i，j）代表i个点与j各点之间的距离
%聚类方法：
%k-means
%kidx=kmeans(bonds,numClust,'distance',dist_k);
%层次聚类
%hidx=clusterdata(bonds,'maxclust',numClust,'distance',dist_h,'linkage',link);
%liankage产生层次聚类树
%获取距离矩阵，第二参数指定距离计算方法
