《数据仓库与数据挖掘》实验二 聚类分实验报告22.pdfVIP

华南师范大学实验报告 学生姓名： 练佳威 学号： 20123100072 专 业： 通信工程 班级： 12 通信工程7 班 实验项目： 实验二聚类分析 指导老师： 胡晓晖老师 一、实验目的 通过计算机编程实现并验证谱系聚类法的模式分类能力，了解和掌握最小距离归类 原则在模式识别中的重要作用与地位。 二、实验内容 1）用Matlab 实现谱系聚类算法，并对给定的样本集进行分类； 2）通过改变实验参数，观察和分析影响谱系聚类算法的分类结果与收敛速度的因 素； 三、实验原理、方法和手段 人类认识世界往往首先将被认识的对象进行分类，聚类分析是研究分类问题的多元 数据分析方法，是数值分类学中的一支。多元数据形成数据矩阵，见下表 1。在数据矩 阵中，共有n 个样品 x ，x ，…，x （列向），p 个指标（行向）。聚类分析有两种类型： 1 2 n 按样品聚类或按变量（指标）聚类。 表1 数据矩阵 样品 指标 x1 , x2 , ... , x j , ... , xn x x x ... x ... x 1 11 21 j1 n1 x2 x x ... x ... x 12 22 j 2 n2 x p x x ... x ... x 1 p 2 p jp np 聚类分析的基本思想是在样品之间定义距离，在变量之间定义相似系数，距离或相 似系数代表样品或变量之间的相似程度。按相似程度的大小，将样品（或变量）逐一归 类，关系密切的类聚到一个小的分类单位，然后逐步扩大，使得关系疏远的聚合到一个 大的分类单位，直到所有的样品（或变量）都聚集完毕，形成一个表示亲疏关系的谱系 图，依次按照某些要求对样品（或变量）进行分类。 四、实例编程实现 为了研究世界各国森林、草原资源的分布规律，共抽取了21 个国家的数据，每个国 家4 项指标，原始数据见下表1。使用该原始数据对国别进行聚类分析。 表1 抽样数据表 森林面积 森林覆盖率 林木蓄积量 草原面积 国别 （万公顷） （% ） （亿立方米） （万公顷） 1 中国 11978 12.5 93.5 31908 美国 28446 30.4 202.0 23754 日本 2501 67.2 24.8 58 德国 1028 28.4 14.0 599 英国 210 8.6 1.5 1147 法国 1458 26.7 16.0 1