凝聚型层次聚类的matlab代码

代码说明 代码仅供学习研究，未经允许，请勿擅自商用。 1.输入文件格式 输入的文件要求为N行两列的形式，两列分别对应，输入数据点的X轴坐标和Y轴坐标。 输入文件格式示例如下： 0.821794 -0.0462153 1.03929 0.060835 1.12046 0.0745568 1.02233 0.0514739 2.代码支持的凝聚层次聚类算法 通过简要的修改代码中函数的参数，代码可以支持不同的凝聚方法，支持的凝聚方法如下，默认的为代码本身算法： 单连接算法（默认，最近邻聚类算法，最短距离法，最小生成树算法）；全连接算法（最远邻聚类算法，最长距离法）；未加权平均距离法；加权平均法；质心距离法；加权质心距离法；内平方距离法（最小方差算法） 3.代码支持的距离（相似度）度量公式 通过简要的修改代码，代码支持计算距离的过程采用不同的距离或相似度度量公式，支持的距离（相似度）公式如下，默认为代码本身才采用的距离公式： 欧氏距离（默认）；标准化欧氏距离；马氏距离；布洛克距离（曼哈顿距离，城市街区距离）；闵可夫斯基（明可夫斯基）距离；余弦相似度；相关性相似度；汉明距离；Jaccard相似度；切比雪夫距离。

clear all
clc
close all
mdist=input（‘输入坐标文件名字\n‘）;
disp（‘读取数据坐标‘）
%获取坐标
%文件格式为数据的二维的坐标，
%共两列第一列为x轴坐标，第二列为y轴坐标
xx=load（mdist）;
%获取数据的个数存至number
[number row]=size（xx）;
%获取距离矩阵，第二参数指定距离计算方法
%可选参数有‘euclidean‘：欧氏距离（默认）；‘seuclidean‘：标准化欧氏距离；
%‘mahalanobis‘：马氏距离；‘cityblock‘：布洛克距离；‘minkowski‘：明可夫斯基距离；
%‘cosine‘：余弦距离 ‘correlation‘：相关性 ‘hamming‘：汉明距离 ‘jaccard‘：Jaccard相似度
%‘chebychev‘：Chebychev距离。
yy=pdist（xx‘euclidean‘）;
%获取聚类，第二参数指定层次聚类方式
%‘single‘：单连通，最短距离法（默认）；‘complete‘：全连通，最长距离法；‘average‘：未加权平均距离法； 
%‘weighted‘： 加权平均法；‘centroid‘： 质心距离法；‘median‘：加权质心距离法；‘ward‘：内平方距离法（最小方差算法）
zz=linkage（yy‘single‘）;
%指定获取簇类个数
Ncluster=input（‘输入类个数\n‘）;
%获取指定Ncluster个数的聚类结果
c = cluster（ zz‘maxclust‘ Ncluster ）; 
 
%获取绘图所需颜色
%需要用到linspecer.m文件
%下载地址
%http://www.mathworks.com/matlabcentral/fileexchange/42673-beautiful-and-distinguishable-line-colors-+-colormap
 if（Ncluster>12）
 Color = linspecer（ Ncluster ）;
 else
     Color = linspecer（ Ncluster ‘qualitative‘ ）;
     end
     
 
 for i=1:Ncluster
     for j = 1:number
     if（c（j） == i）    
     hold on
     plot（xx（j1）xx（j2）‘o‘‘MarkerFaceColor‘Color（i:）‘MarkerEdgeColor‘Color（i:））
     end
     end

 end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1486  2015-06-10 15:23  HierarchcalCluster.m

     文件       6062  2014-02-12 14:30  linspecer.m

     文件     354942  2015-06-10 21:54  代码说明.pdf

----------- ---------  ---------- -----  ----

               362490                    3