利用Matlab和SPSS软件实现聚类分析

1. 用Matlab编程实现

运用Matlab中的一些基本矩阵计算方法，通过自己编程实现聚类算法，在此只讨论根据最短距离规则聚类的方法。

调用函数：

min1.m——求矩阵最小值，返回最小值所在行和列以及值的大小

min2.m——比较两数大小，返回较小值

std1.m——用极差标准化法标准化矩阵

ds1.m——用绝对值距离法求距离矩阵

cluster.m——应用最短距离聚类法进行聚类分析

print1.m——调用各子函数，显示聚类结果

聚类分析算法

假设距离矩阵为vector， a阶，矩阵中最大值为max，令矩阵上三角元素等于max

聚类次数=a-1,以下步骤作a-1次循环:

求改变后矩阵的阶数,计作c

求矩阵最小值，返回最小值所在行e和列f以及值的大小g

forl=1:c,为vector(c+1,l)赋值，产生新类

令第c+1列元素，第e行和第f行所有元素为，第e列和第f列所有元素为max

源程序如下：

%std1.m,用极差标准化法标准化矩阵

function std=std1(vector)

max=max(vector);       %对列求最大值

min=min(vector);

[a,b]=size(vector);          %矩阵大小,a为行数,b为列数

for i=1:a

    forj=1:b

       std(i,j)= (vector(i,j)-min(j))/(max(j)-min(j));

    end

end

 

%ds1.m,用绝对值法求距离

function d=ds1(vector);

[a,b]=size(vector);  

d=zeros(a);

for i=1:a

    forj=1:a

        for k=1:b

           d(i,j)=d(i,j)+abs(vector(i,k)-vector(j,k));

       end

    end

end

fprintf('绝对值距离矩阵如下：\n');

disp(d)

 

%min1.m,求矩阵中最小值，并返回行列数及其值

function [v1,v2,v3]=min1(vector);%v1为行数，v2为列数，v3为其值

[v,v2]=min(min(vector'));

[v,v1]=min(min(vector));

v3=min(min(vector));

 

%min2.m，比较两数大小，返回较小的值

function v1=min(v2,v3);

if v2>v3

    v1=v3;

else

   v1=v2;

end

 

%cluster.m,最短距离聚类法

function result=cluster(vector);

[a,b]=size(vector);

max=max(max(vector));

 for i=1:a

        for j=i:b

         vector(i,j)=max;

        end

 end;

for k=1:(b-1)

   [c,d]=size(vector);

   fprintf('第%g次聚类:\n',k);

   [e,f,g]=min1(vector);

   fprintf('最小值=%g,将第%g区和第%g区并为一类，记作G%g\n\n',g,e,f,c+1);

    forl=1:c

        ifl<=min2(e,f)

        vector(c+1,l)=min2(vector(e,l),vector(f,l));

       else

        vector(c+1,l)=min2(vector(l,e),vector(l,f));  

       end

    end;

    vector(1:c+1,c+1)=max;

    vector(1:c+1,e)=max;

    vector(1:c+1,f)=max;

    vector(e,1:c+1)=max;

    vector(f,1:c+1)=max;  

end

 

%print1,调用各子函数

function print=print1(filename,a,b); %a为地区个数，b为指标数

fid=fopen(filename,'r')

vector=fscanf(fid,'%g',[a b]);

fprintf('标准化结果如下：\n')

v1=std1(vector)

v2=ds1(v1);

cluster(v2);

 

%输出结果

print1('fname',9,7)

 

2.直接调用Matlab函数实现

2.1调用函数

层次聚类法（Hierarchical Clustering）的计算步骤：

①计算n个样本两两间的距离{dij}，记D

②构造n个类，每个类只包含一个样本；

③合并距离最近的两类为一新类；

④计算新类与当前各类的距离；若类的个数等于1，转到5）；否则回3）；

⑤画聚类图；

⑥决定类的个数和类；

Matlab软件对系统聚类法的实现（调用函数说明）：

cluster                  从连接输出(linkage)中创建聚类

clusterdata              从数据集合(x)中创建聚类

dendrogram             画系统树状图

linkage                 连接数据集中的目标为二元群的层次树

pdist                  计算数据集合中两两元素间的距离(向量)

squareform             将距离的输出向量形式定格为矩阵形式

zscore                  对数据矩阵 X 进行标准化处理              

 

各种命令解释

 

 

⑴ T =clusterdata(X, cutoff)

其中X为数据矩阵，cutoff是创建聚类的临界值。即表示欲分成几类。

以上语句等价与以下几句命令：

   Y=pdist(X,’euclid’)

   Z=linkage(Y,’single’)

   T=cluster(Z,cutoff)

以上三组命令调用灵活，可以自由选择组合方法！

⑵ T =cluster(Z, cutoff)

从逐级聚类树中构造聚类，其中Z是由语句likage产生的(n-1)×3阶矩阵，cutoff是创建聚类的临界值。

⑶ Z = linkage(Y)           Z = linkage(Y, 'method')

     

创建逐级聚类树，其中Y是由语句pdist产生的n(n-1)/2 阶向量，’method’表示用何方法，默认值是欧氏距离（single)。有’complete’——最长距离法；‘average’——类平均距离；‘centroid’——重心法 ；‘ward‘——递增平方和等。  

⑷ Y = pdist(X)         Y = pdist(X,'metric')

    

计算数据集X中两两元素间的距离， ‘metric’表示使用特定的方法，有欧氏距离‘euclid’、标准欧氏距离‘SEuclid’、马氏距离‘mahal’、明可夫斯基距离‘Minkowski‘ 等。

⑸ H = dendrogram(Z)    H =dendrogram(Z, p)

 

由likage产生的数据矩阵z画聚类树状图。P是结点数，默认值是30。

2.2举例说明

设某地区有八个观测点的数据，样本距离矩阵如表1所示，根据最短距离法聚类分析。

%最短距离法系统聚类分析

X=[7.90 39.77 8.49 12.94 19.27 11.05 2.04 13.29;

    7.6850.37 11.35 13.3 19.25 14.59 2.75 14.87;

    9.4227.93 8.20 8.14 16.17 9.42 1.55 9.76;

    9.1627.98 9.01 9.32 15.99 9.10 1.82 11.35;

    10.0628.64 10.52 10.05 16.18 8.39 1.96 10.81];

BX=zscore(X); % 标准化数据矩阵

Y=pdist(X)   % 用欧氏距离计算两两之间的距离

D=squareform(Y)  % 欧氏距离矩阵

Z = linkage(Y)   % 最短距离法

T = cluster(Z,3) %等价于   {T=clusterdata(X,3) }

find(T==3)  % 第3类集合中的元素

[H,T]=dendrogram(Z)     % 画聚类图

聚类谱系图如图1所示：

图1 聚类谱