聚类优化算法

聚类也称群剖析,是科学研究(样版或指标值)归类的数据分析方式,也是大数据分析的关键优化算法。聚类由几类方式构成。一般,方式是一个衡量空间向量。聚类是根据相似度的,一个聚类算法中的状态中间的相似度比没有同一聚类算法中的状态中间的相似度要多。

针对聚类算法,绝大多数是根据SPSS手机软件完成的,一般是导进数据信息,挑选聚类方法。在这里一部分,大家运用MATLAB手机软件完成了根据14种不一样聚类方式的样版聚类算法。

14种聚类方法。

(1)最远距离法。

X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];D=pdist(X,'euclid');M=squareform(D);Z=linkage(D,'complete');H=dendrogram(Z);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第1张图片(2)最短路线法。

X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];D=pdist(X,'euclid');M=squareform(D);Z=linkage(D,'single');H=dendrogram(Z);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,'cutoff',0.8);matlab聚类算法实例-matlab聚类分析的应用案例-第2张图片(3)综合性聚类算法程序段。

X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];T=clusterdata(X,0.8);Re=find(T=5)

(4)重心点法&规范欧式距离。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];D=pdist(X,'seuclid');M=squareform(D);Z=linkage(D,'centroid');H=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第3张图片(5)重心点法&欧式距离平方米。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];D=pdist(X,'euclid');D2=D.^2;M=squareform(D2);Z=linkage(D2,'centroid');H=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D2);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第4张图片(6)重心点法&精准权重计算间距。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];[n,m]=size(X);stdx=std(X);X2=X./stdx(ones(n,1),:);D=pdist(X2,'euclid');M=squareform(D);Z=linkage(D,'centroid');H=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第5张图片(7)最短路线法&根据主成份的规范欧式距离。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];[E,score,eigen,T]=princomp(X);D=pdist(score,'seuclid');M=squareform(D);Z=linkage(D,'single');H=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第6张图片(8)平均法&规范欧式距离。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];D=pdist(X,'seuclid');M=squareform(D);Z=linkage(D,'average');H=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第7张图片(9)权重值法&规范欧式距离。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];D=pdist(X,'seuclid');M=squareform(D);Z=linkage(D,'weighted');H=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第8张图片(10)最短路线法&马氏距离。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];D=pdist(X,'mahal');M=squareform(D);Z=linkage(D,'single');H=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第9张图片(11)重心点法&规范化数据信息的欧式距离。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];[n,m]=size(X);mv=mean(X);st=std(X);x=(X-mv(ones(n,1),:))./st(ones(n,1),:);D=pdist(X,'euclid');M=squareform(D);Z=linkage(D,'centroid');H=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第10张图片(12)最远距离法&欧洲地区间距。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];D=pdist(X,'euclid');M=squareform(D);Z=linkage(D,'complete');[HtPerm]=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第11张图片(13)平均法&类似指数。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];D=pdist(X,'cosine');M=squareform(D);Z=linkage(D,'centroid');T=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第12张图片(14)最短路线法&根据主成份的规范欧式距离。

S=['福冈';'合肥市';'武汉市';'长沙市';'桂林市';'温州市';'成都市'];X=[16.214922000-8.26.2; 15.79702209-20.61.9; 16.312602085-17.32.8; 17.214221726-9.54.6; 18.818741709-4.98.0; 17.916981848-4.57.5; 16.39761239-4.65.6];[E,score,eigen,T]=princomp(X);PCA=[score(:,1),score(:,2)];D=pdist(PCA,'seuclid');M=squareform(D);Z=linkage(D,'single');H=dendrogram(Z,'labels',S);xlabel('City');ylabel('Scale');C=cophenet(Z,D);T=cluster(Z,3);matlab聚类算法实例-matlab聚类分析的应用案例-第13张图片

评论(0条)

刀客源码 游客评论