minkowski sum matlab,Matlab 聚类分析

一、理论

聚类就是把东西聚在一起，那一定有一定的规则，相似等，后面会给出。聚类与分类的不同就是，聚类所要求的划分的类是未知的。聚类是这么定义的：将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇之间的对象很大的相异性。按照个体或样品(individuals, objects or subjects)的特征将它们分类，使同一类别内的个体具有尽可能高的同质性(homogeneity)，而类别之间则应具有尽可能高的异质性(heterogeneity)。

传统的聚类有：系统聚类法，分解法，加入法，动态聚类法，有序样品聚类，有重叠聚类和模糊聚类。其中，我们很熟悉的就是K-均值、K-中心点等算法，经典以后可以单独来说这个

两种相似性度量：距离和相似系数

采用描述个体对(变量对)之间的接近程度的指标，例如“距离”，“距离”越小的个体(变量)越具有相似性。

采用表示相似程度的指标，例如“相关系数”，“相关系数”越大的个体(变量)越具有相似性。

再多说一点距离：用来度量样品之间的相似性，聚类——距离指标D(distance)的方法非常多：按照数据的不同性质，可选用不同的距离指标。欧氏距离(Euclidean distance)、欧氏距离的平方(SquaredEuclidean distance)、曼哈顿距离(Block)、切比雪夫距离(Chebychev distance)、卡方距离(Chi-aquaremeasure) 等；相似性也有不少，主要是皮尔逊相关系数。

方法一：系统聚类法的基本思想：令n个样品自成一类，计算出相似性测度，此时类间距离与样品间距离是等价的，把测度最小的两个类合并；然后按照某种聚类方法计算类间的距离，再按最小距离准则并类；这样每次减少一类，持续下去直到所有样品都归为一类为止。聚类过程可做成聚类谱系图(Hierarchical diagram)。这里的距离有很多例如最短距离法

l最短距离法(singlelinkage)

l最长距