《数据仓库与数据挖掘》实验二 聚类分实验报告13.docVIP

20123100146 通信7班 楚鹤鸣 二 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 1、实验数据： 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 2、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、实验程序及结果 1、利用 clusterdata函数对样本数据进行一次聚类： 输入数据：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) 运行结果： T = 10 10 3 8 2 9 8 10 10 7 1 8 1 8 8 1 4 9 9 5 6{中国，美国，加拿大，澳大利亚}，{法国，印尼，尼日利亚}，{意大利，波兰，南斯拉夫，罗马尼亚}， {前苏联，印度，墨西哥，巴西}，{日本，英国，捷克，匈牙利保加利亚}。 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： X2=zscore(X); Y2=pdist(X2) 运行结果：Y2 = Columns 1 through 14 1.4268 3.6781 2.4700 2.3203 2.3914 2.3904 2.5742 1.0523 5.4821 2.6582 2.4762 2.3939 2.6355 2.4578 Columns