聚类分析 距离 matlab,用MATLAB做聚类分析

K均值聚类

%

距离用传统欧式距离，分成两类[cidx2,cmeans2,sumd2,D2] =

kmeans(X,2,’dist’,’sqEuclidean’);

P2 = figure;clf;

[silh2,h2] = silhouette(X,cidx2,’sqeuclidean’);

从轮廓图上面看，第二类结果比较好，但是第一类有部分数据表现不佳。有相当部分的点落在0.8以下。

分层聚类

eucD = pdist(X,’euclidean’);

clustTreeEuc = linkage(eucD,’average’);

cophenet(clustTreeEuc,eucD);

P3 = figure;clf;

[h,nodes] = dendrogram(clustTreeEuc,20);

set(gca,’TickDir’,’out’,’TickLength’,[.002 0],’XTickLabel’,[]);

可以选择dendrogram显示的结点数目，这里选择20 。结果显示可能可以分成三类

重新调用K均值法

改为分成三类

[cidx3,cmeans3,sumd3,D3] =

kmeans(X,3,’dist’,’sqEuclidean’);

P4 = figure;clf;

[silh3,h3] = silhouette(X,cidx3,’sqeuclidean’);

图上看，比前面的结果略有改善。

将分类的结果展示出来

P5 = figure;clf

ptsymb = {‘bo’,’ro’,’go’,’,mo’,’c+’};

MarkFace = {[0 0 1],[.8 0 0],[0 .5 0]};

hold on

for i =1:3

clust =

find(cidx3 == i);

plot(X(clust,1),X(clust,2),ptsymb{i},’MarkerSize’,3,’MarkerFace’,MarkFace{i},’MarkerEdgeColor’,’black’);

plot(cmeans3(i,1),cmeans3(i,2),ptsymb{i},’MarkerSize’,10,’MarkerFace’,MarkFace{i});

end

hold off

运用高斯混合分布模型进行聚类分析

分别用分布图、热能图和概率图展示结果 等高线

% 等高线

options = statset(‘Display’,’off’);

gm = gmdistribution.fit(X,3,’Options’,options);

P6 = figure;clf

scatter(X(:,1),X(:,2),10,’ro’);

hold on

ezcontour(@(x,y) pdf(gm,[x,y]),[-15 15],[-15 10]);

hold off

P7 = figure;clf

scatter(X(:,1),X(:,2),10,’ro’);

hold on

ezsurf(@(x,y) pdf(gm,[x,y]),[-15 15],[-15 10]);

hold off

view(33,24)

热能图

cluster1 = (cidx3 == 1);

cluster3 = (cidx3 == 2);

% 通过观察，K均值方法的第二类是gm的第三类cluster2

= (cidx3 == 3);

% 计算分类概率

P = posterior(gm,X);

P8 = figure;clf

plot3(X(cluster1,1),X(cluster1,2),P(cluster1,1),’r.’)

grid on;hold on

plot3(X(cluster2,1),X(cluster2,2),P(cluster2,2),’bo’)

plot3(X(cluster3,1),X(cluster3,2),P(cluster3,3),’g*’)

legend(‘第 1 类’,’第 2 类’,’第 3 类’,’Location’,’NW’)

clrmap = jet(80); colormap(clrmap(9:72,:))

ylabel(colorbar,’Component 1 Posterior Probability’)

view(-45,20);

% 第三类点部分概率值较低，可能需要其他数据来进行分析。

% 概率图

P9 = figure;clf

[~,order] = sort(P(:,1));

plot(1:size(X,1),P(order,1),’r-‘,1:size(X,1),P(order,2),’b-‘,1:size(X,1),P(order,3),’y-‘);

legend({‘Cluster 1 Score’ ‘Cluster 2 Score’ ‘Cluster 3

Score’},’location’,’NW’);

ylabel(‘Cluster Membership Score’);

xlabel(‘Point Ranking’);

通过AIC准则寻找最优的分类数

高斯混合模型法的最大好处是给出分类好坏的标准

AIC = zeros(1,4);

NlogL = AIC;

GM = cell(1,4);

for k = 1:4

GM{k} =

gmdistribution.fit(X,k);

AIC(k)=

GM{k}.AIC;

NlogL(k) =

GM{k}.NlogL;

end

[minAIC,numComponents] = min(AIC);

按AIC准则给出的最优分类数为： 3 对应的AIC值为： 8647.63

后记

(1)pluskid指出K均值算法的初值对结果很重要，但是在运行时还没有发现类似的结果。也许Mathworks对该算法进行过优化。有时间会仔细研究下代码，将结果放上来。