信息检索之构建层次聚类树状图

利用matlab构建层次聚类树状图

(1)计算数据集每对元素之间的距离,对应函数为pdistw.
调用格式：Y=pdist(X),Y=pdist(X,’metric’), Y=pdist(X,’distfun’),Y=pdist(X,’minkowski’,p)

说明：X是m*n的矩阵，metric是计算距离的方法选项：

metric=euclidean表示欧式距离（缺省值）；

metric=seuclidean表示标准的欧式距离；

metric=mahalanobis表示马氏距离。

distfun是自定义的距离函数，p是minkowski距离计算过程中的幂次，缺省值为2.Y返回大小为m(m-1)/2的距离矩阵，距离排序顺序为(1,2),(1,3),…(m-1,m)，Y也称为相似矩阵，可用squareform将其转化为方阵。

（2）对元素进行分类，构成一个系统聚类树，对应函数为linkage.
调用格式：Z=linkage(Y), Z=linkage(Y,’method’)

说明：Y是距离函数，Z是返回系统聚类树，method是采用的算法选项，

如下：method=single表示最短距离(缺省值)；

complete表示最长距离；median表示中间距离法；

centroid表示重心法；average表示类平均法；

ward 表示离差平方和法（Ward法）。

（3）确定怎样划分系统聚类树，得到不同的类，对应的函数为cluster.
调用格式：T=cluster(Z,’cutoff’,c),T=cluster(Z,’maxclust’,n)

说明：Z是系统聚类树，为(m-1)*3的矩阵，c是阈值，n是类的最大数目，

maxclust是聚类的选项，cutoff是临界值，决定cluster函数怎样聚类。

**构建20组五维向量的matlab源码如下：

%Matlab运行程序：
X=[
   20,7,12,14,22;
   18,10,23,15,16;
   10,5,13,9,7;
   4,5,4,6,9;
   4,3,2,5,7;
   16,17,18,19,20;
   23,13,14,15,16;
   17,21,29,10,30;
   44,55,66,77,33;
   23,26,24,35,56;
   44,34,23,15,16;
   67,66,56,78,90;
   70,71,16,51,61;
   31,21,79,63,91;
   65,45,54,93,67;
   81,90,70,90,43;
   42,45,69,81,98;
   99,20,13,41,50;
   13,14,51,26,71;
   51,60,93,75,38;
  ];
Y=pdist(X);
SF=squareform(Y);
Z=linkage(Y,'average');
dendrogram(Z);%显示系统聚类树
T=cluster(Z,'maxclust',3)

运行结果如下：