《数据仓库与数据挖掘》实验二 聚类分实验报告7.docxVIP

实验二姓名：陈杰 学号：20123100065 班级：通信7班聚类分析实验报告 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、实验要求 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 1288 意大利 635 21.1 3.6 514 加拿大 32613 32.7 192.8 2385 澳大利亚 10700 13.9 10.5 45190 前苏联 92000 41.1 841.5 37370 捷克 458 35.8 8.9 168 波兰 868 27.8 11.4 405 匈牙利 161 17.4 2.5 129 南斯拉夫 929 36.3 11.4 640 罗马尼亚 634 26.7 11.3 447 保加利亚 385 34.7 2.5 200 印度 6748 20.5 29.0 1200 印尼 2180 84.0 33.7 1200 尼日利亚 1490 16.1 0.8 2090 墨西哥 4850 24.6 32.6 7450 巴西 57500 67.6 238.0 15900 要求： 利用 clusterdata 函数对样本数据进行一次聚类； 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。 比较分析两种方法的优缺点。 四、实验过程 1、利用 clusterdata 函数对样本数据进行一次聚类，程序代码如下： X=[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 8.6 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,0.9) 由于 T=clusterdata(X,cutoff)与下面的一组命令等价： Y=pdist(X,’euclid’); Z=linkage(Y,’single’); T=cluster(Z,cutoff); 故在上述代码的基础上，增加如下代码，以得到一次聚类的谱系图： Y=pdist(X,euclid); Z=linkage(Y,single); T=cluster(Z,0.9); H=dendrogram(Z); 2、利用分步聚类方法对样本数据进行分步聚类。 （1）寻找变量之间的相似性。 用 pdist 函数计算相似矩阵，选择不同方法计算距离，进行计算之前先将数据用 zscore 函数进行标准化。 X2=zscore(X); %标准化数据 Y2=pdist(X2,euclidean); %计算距离，通过改变之间的方法计算X 数据矩阵中对象之间的距离 （2）定义变量之间的连接 Z2=linkage(Y2); （3）评价聚类信息 C2=cophenet(Z2,Y2); （4）创建聚类，并作出谱系图 T=cluster(Z2,6); H=dendrogram(Z2); 五