《数据仓库与数据挖掘》实验二 聚类分实验报告25.pdfVIP

华南师范大学实验报告 学生姓名： 邹卫明 学号： 20123100150 专业： 通信工程 年级、班级：2012 级通信 7 班 实验二、聚类分析 （20123100150） 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 1 2 n 类分析有两种类型：按样品聚类或按变量（指标）聚类。 表 1 数据矩阵 样品 指标 x , x , ... , x , ... , x 1 2 j n x x x ... x ... x 1 11 21 j 1 n 1 x2 x x ... x ... x 12 22 j 2 n 2        x p x x ... x ... x 1p 2p 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。 ⑴ 分类统计量距离与相似系数 ① 样品间的相似性度量距离 用样品点之间的距离来衡量各样品之间的相似性程度（或靠近程度）。设 d(x ,x )是样品 x ,x 之间的距离，一般要求它满足下列条件： i j i j 1) d(x ,x ) 0,且 d(x ,x ) 0 x x ;i j i j i j 2)d(x ,x ) d(x ,x );i j j i 3)d(x ,x ) d(x ,x ) d(x ,x ). i j i k k j 在聚类分析中，有些距离不满足 3 ），我们在广义的角度上仍称它为距离。 