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

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：

A

B、 D

C

同样，当c=0.3或0.7相似性时：

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