《数据仓库与数据挖掘》实验二 聚类分实验报告9.docxVIP

实验二聚类分析一、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1197812.593.531908美国2844630.4202.023754日本250167.224.858德国102828.414.0599英国2108.61.51147法国145826.716.01288意大利63521.13.6514加拿大3261332.7192.82385澳大利亚1070013.910.545190前苏联9200041.1841.537370捷克45835.88.9168波兰86827.811.4405匈牙利16117.42.5129南斯拉夫92936.311.4640罗马尼亚63426.711.3447保加利亚38534.72.5200印度674820.529.01200印尼218084.033.71200尼日利亚149016.10.82090墨西哥485024.632.67450巴西5750067.6238.015900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、实验结果及分析1、利用 clusterdata 函数对样本数据进行一次聚类，输出结果如下：其频谱图如下：本次实验利用T=clusterdata(X,0.9)进行一次聚类分析clusterdata函数根据数据创建分类，其调用格式为：T=clusterdata(X,n)其中n 是最小类别数，函数的作用在保证聚出来的类别数不小于n 时，实现最合理的聚类。本次实验结果表明，分类结果是：{印度，墨西哥}，{中国，美国，加拿大，澳大利亚}，{巴西}，{前苏联}，剩余的为