matlab、lingo程序代码13-聚类分析的SPSS实现课件.pptVIP

K-Means Cluster聚类过程 由Analyze——Classify ——K-Means Cluster 将个变量放入Variable ； 输入最后聚类的个数； 例 饮料数据（spssex/drink.sav ） 16种饮料的热量、咖啡因、钠及价格四种变量 快速聚类 选项 读写凝聚点 人为固定分类数 ANOVA表， 初始凝聚点等 快速聚类法的聚类数由用户指定，分类是唯一的。 1.分类数：如希望聚成K类 2.聚类方法:method: iterate and clussify(聚类分析的 clussify only(聚类分析过程类中心 3.聚类中心:centers 4.迭代次数:iterate 5.保存分类结果:save 每一步都重新计算新的类中心点) 点始终为初始类中心点,仅作一次迭代) Initial Cluster Center：快速聚类的初始类中心点（本例由系统自行指定四个类的初始类中心点） 指定聚成四类 Iteration History：快速聚类的迭代步骤 在迭代过程中，完成第一次迭代后形成的四个新类中心点距初始类中心点的欧氏距离分别为5.065、12.532、12.275、25.901。第四次迭代后形成的四个新类中心点几乎与上次确定的中心点没有差别。经过四次迭代，快速聚类完成。 快速聚类的最终类中心点 Number of Cases in each Cluster：快速聚 类的最终结果 快速聚类的类成员情况 各样本距其所在的类中心的欧氏距离 各类中的成员数 ? function y=kMeansCluster(m,k,isRand)%%%%%%%%%%%%%%%%% % kMeansCluster - Simple k means clustering algorithm % Author: Kardi Teknomo, Ph.D. % % Purpose: classify the objects in data matrix based on the attributes % Criteria: minimize Euclidean distance between centroids and object points % For more explanation of the algorithm, see /kardi/tutorial/kMean/index.html % Output: matrix data plus an additional column represent the group of each object % % Example: m = [ 1 1; 2 1; 4 3; 5 4] or in a nice form % m = [ 1 1; % 2 1; % 4 3;