《数据仓库与数据挖掘》实验二 聚类分实验报告5.docxVIP

实验二实验报告一、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、实例要求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 抽样数据表国别森林面积（万公顷）森林覆盖率（%）林木蓄积量（亿立方米）草原面积（万公顷）中593.531908美4202.023754日本3250167.224.858德国4102828.414.0599英国52108.61.51147法国6145826.716.01288意大利763521.13.6514加拿7192.82385澳大利910.545190前苏联109200041.1841.537370捷克1145835.88.9168波兰1286827.811.4405匈牙利1316117.42.5129南斯拉夫1492936.311.4640罗马尼亚1563426.711.3447保加利亚1638534.72.5200印529.01200印033.71200尼日利10.82090墨西632.67450巴西215750067.6238.015900要求：① 利用 clusterdata函数对样本数据进行一次聚类；② 分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用 linkage函数定义变量之间的连接；（3）用 cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。 ③ 比较分析两种方法的优缺点。四、实验过程及分析程序1聚类为6类，参考值为0.9X= [11978 12.5 93.5 31908;28446 30.4 202.0 23754;2501 67.2 24.8 58; 1028 28.4 14.0 599;210 2.6 1.5 1147;1458 26.7 16.0 1288; 635 21.1 3.6 514;32613 32.7 192.8 2385;10700 13.9 10.5 45190; 92000 41.1 841.5 37370;458 35.8 8.9 168;868 27.8 11.4 405; 161 17.4 2.5 129;929 36.3 11.4 640;634 26.7 11.3 447;385 34.7 2.5 200; 6748 20.5 29.0 1200;2180 84.0 33.7 1200;1490 16.1 0.8 2090; 4850 24.6 32.6 7450;57500 67.6 238.0 15900];T=clustrdata(X,0.9);X2=zscore(X);Y2=pdist(X2);Z2=linkage(Y2);C2=cophenet(Z2,Y2);T=cluster(Z2,6);H=dendrogram(Z2);谱系图聚类结果：聚类分组推测加拿大中国，美国，澳大利亚日本，印尼巴西前苏联其余为一类程序2聚类为2类，参考值为3X= [11978 12.5 93.5 31908;28446 30.4 202.0 23754;2501 67.2 24.8 58; 1028 28.4 14.0 599;210 2.6 1.5 1147;1458 26.7 16.0 1288; 635 21.1 3.6 514;32613 32.7 192.8 2385;10700 13.9 10.5 45190; 92000 41.1 841.5 37370;458 35.8 8.9 168;868 27.8 11.4 405; 161 17.4 2.5 129;929 36.3 11.4 640;634 26.7 11.3 447;385 34.7 2.5 200; 6748 20.5 29.0 1200;2180 84.0 33.7 1200;1490 16.1 0.8 2090; 4850 24.6 32.6 7450;57500 67.6 238.0 15900];T=clusterdata(X,3);X2=zscore(X);Y2=pdist(X2); Z2=linkage(Y2);C2=cophenet(Z2,Y2);T=cl