齊敏《模式識別導論》
參考：論壇
close all;
clear all;
clc;
m=4;
n=2;
x=randn(m,n); %產生乙個m*n的隨機項矩陣，這裡用4*2矩陣，資料量較小
y=pdist(x); % 計算 x 中各對行向量的相互距離，得到的y為行向量
%y %進行檢視
y=squareform(y) %轉換為方陣更易於觀察
% z=linkage(y)
%dendrogram(z)
z=linkage(y); %產生層次聚類樹
dendrogram(z) %視覺化層次聚類樹
z %z是乙個(m-1)*3的矩陣,z陣列的前兩列是索引下標列，最後一列是距離列
其中，橫座標為index，縱座標為距離。比如，圖中2號和4號的距離為1.0228。
列印出來的：
分析：
對於上面圖中的y，其元素表示的是距離。比如第一行中，第一行第一列的0表示1號到1號的距離，第一行第二列的2.7916可以表示1號到2號的距離，第一行第三列的1.5193是1號到3號的距離，以此類推。
根據層次聚類的原理，按照輸出資料y算一下。先要找出y中非0的最小值。在矩陣y中是1.0228，位於第四行第二列，表示2號和4號的距離。因此先要將2號和4號合併起來歸為一類，標記為（m+1）號，即5號。之後更新1、3、5號之間的距離，1、3號之間的距離不變，在更新和5號之間的距離時，取最小的數值。這裡在算1、5號之間的距離時，5號裡面有2號和4號，1號和2、4號的距離分別是2.7916、2.3258，因此取較小的2.3258；同理，3和5號的距離取1.2027。得到以下幾個數值：1.5193（1、3的距離），2.3258（1、5的距離），1.2027（3、5的距離），之後再找這幾個數值中的最小值，min=1.2027，因此將3、5號聚為一類，即為6號。之後再更新距離，此時只剩下1和6號，算出二者的距離即可，為1.5193。
正如前面**中所提到的，z是乙個(m-1) x 3的矩陣,由於設定的m為4，故這裡z是乙個3 x 3的矩陣，z陣列的前兩列是索引下標列，最後一列是距離列。從矩陣z或者圖可以得知，第一次是將2號和4號進行合併，二者的距離是1.0228。第二次是將3號和5號進行聚類，距離1.2027。第三次是剩下的1號和6號進行聚類，距離1.5193，符合推斷。
聚類演算法 層次聚類演算法
層次聚類演算法 hierarchical clustering method 又稱為系統聚類法 分級聚類法。層次聚類演算法又分為兩種形式 凝聚層次聚類 首先將每個物件作為乙個簇，然後合併這些原子簇為越來越大的簇，直到某個終結條件被滿足。層次聚類 首先將所有物件置於乙個簇中，然後逐漸細分為越來越小的簇...
層次聚類（1）
層次聚類演算法不同於其它演算法，主要體現在它不是只生成乙個分類結果，而是產生一系列原模式集合的分類結果，每個分類結果滿足一些限制。x 是n個l維特徵向量組成的集合，我們就是要對這個集合中的特徵向量分類。clustering r 是某個聚類結果，就叫他類簇吧，我想這樣叫，也許別人已經定義了類簇，但是我...
層次聚類簡介
層次聚類分為凝聚式層次聚類和 式層次聚類。凝聚式層次聚類，就是在初始階段將每乙個點都視為乙個簇，之後每一次合併兩個最接近的簇，當然對於接近程度的定義則需要指定簇的鄰近準則。式層次聚類，就是在初始階段將所有的點視為乙個簇，之後每次 出乙個簇，直到最後剩下單個點的簇為止。本文中我們將詳細介紹凝聚式層次聚...