基于matlab的聚类分析
我有一个矩阵a,由4个向量(列)组成,每个向量(列)有12个元素基于matlab的聚类分析,matlab,cluster-analysis,dendrogram,Matlab,Cluster Analysis,Dendrogram,我有一个矩阵a,由4个向量(列)组成,每个向量(列)有12个元素 A = [ 0 0 0 0; 0.0100 0.0100 0.0100 0; 0.3000 0.2700 0.2400 0.2400; 0.0400 0 0.0200 0.0200; 0.1900 0.0400 0.0800 0.0800; 0.1
A = [ 0 0 0 0;
0.0100 0.0100 0.0100 0;
0.3000 0.2700 0.2400 0.2400;
0.0400 0 0.0200 0.0200;
0.1900 0.0400 0.0800 0.0800;
0.1600 0.6500 0.2100 0.3800;
0.0600 0.0100 0.0300 0.0200;
0.1500 0.0100 0.0600 0.1700;
0 0 0 0.0800;
0.0300 0 0.0200 0.0100;
0.0700 0 0.1200 0.0100;
0 0 0.2300 0]
我还有一个相似矩阵,它说明了向量与其他向量的相似程度
SIM =[1.00 0.6400 0.7700 0.8300;
0.6400 1.0000 0.6900 0.9100;
0.7700 0.6900 1.0000 0.7500;
0.8300 0.9100 0.7500 1.0000]
读取此矩阵的行
vetor 1 is similar to vector 2 for 64%
vector 1 is similar to vector 3 for the 77%
...
我想创建一个树状图,显示在考虑到0.95相似性阈值的情况下,一个系统中有多少不同的组(即,如果两个组的相似性>0.7,则将它们连接起来)
我真的不知道如何在我的数据中使用此函数…我不确定我是否正确理解了您的问题,但根据我的理解,我将这样做:
DSIM = squareform(1-SIM); % convert to a dissimilarity vector
结果如下:
% DSIM = 0.3600 0.2300 0.1700 0.3100 0.0900 0.2500
% DSIM = 1 vs 2 , 1 vs 3 , 1 vs 4, 2 vs 3, 2 vs 4, 3 vs 4 ;
之后,计算连杆:
Z = linkage (DSIM,'average'); % there is other grouping option than average
您可以使用以下方法绘制树状图:
dendrogram(Z)
但是,您希望根据阈值分割组,以便:
c = 0.1;
这是要切割的不同点,这意味着如果两个组的相似性高于0.9,则它们将连接在一起
T = cluster(tree,'cutoff',c,'criterion','distance')
在这种情况下,T的结果为:
T =
1
2
3
2
这意味着在这个级别上,向量1、2、3、4(称为B C D)分为3组:
T = 1 1 1 1
所以这里只有一组人
要在树状图上显示,您可以计算组数:
num_grp = numel(unique(T));
之后:
dendrogram(tree,num_grp,'labels',{'A','B','C','D'})
在这种情况下,树状图不会显示所有组,因为您将最大节点数设置为组数