《数据仓库与数据挖掘》实验二 聚类分实验报告36.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、实例编程实现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：利用 clusterdata函数对样本数据进行一次聚类；程序如下：X=[11978 12.5 93.5 3190828446 30.4 202.0 237542501 67.2 24.8 581028 28.4 14.0 599210 8.6 1.5 26.7 16.0 1288635 21.1 3.6 32.7 192.8 238510700 13.9 10.5 4519092000 41.1 841.5 35.8 8.9 168868 27.8 11.4 405161 17.4 2.5 129929 36.3 11.4 640634 26.7 11.3 447385 34.7 2.5 2006748 20.5 29.0 84.0 33.7 16.1 0.8 24.6 32.6 745057500 67.6 238.0 15900];T=clusterdata(X,0.9)结果：T = 10 10 3 8 2 9 8 10 10 7 1 8 1 8 8 1 4 9 9 5 6② 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。X=[1197812.593.5319082844630.4202.023754250167.224.858102828.41461.51147145826.716.0128863521.13.65143261332.7192.823851070013.910.5451909200041.1841.53737045835.88.916886827.811.440516117.42.512992936.311.464063426.711.344738534.72.5200674820.529.01200218084.033.71200149016.10.82090485024.632.674505750067.6238.015900];X2=zscore(X);Y2=pdist(X2);Z2=linkage(Y2);C2=cophenet(Z2,Y2);T=cluster(Z2,6);H=dendrogram(Z2);结果：分类结果：{加拿大}，{中国，美国，澳大利亚}，{日本，印尼}，{巴西}，{前苏联}剩余的为一类。 ③ 比较分析两种方法的优缺点。clusterdata函数对样本数据进行一次聚类，