as.vector（数据）中的APCluster错误：没有将此S4类强制为向量的方法

使用未聚集的输入数据帧（fci），将从apcluster（）创建一个APResult，如下所示：

> apclr2q02 <- apcluster(negDistMat(r=2), fci)
> show(apclr2q02)

APResult object

Number of samples     =  1045 
Number of iterations  =  826 
Input preference      =  -22.6498 
Sum of similarities   =  -1603.52 
Sum of preferences    =  -1336.338 
Net similarity        =  -2939.858 
Number of clusters    =  59 

apclr2q02显示（apclr2q02） 一个结果对象 样本数量=1045 迭代次数=826 输入首选项=-22.6498 相似性之和=-1603.52 偏好总和=-1336.338 净相似性=-2939.858 集群数量=59 在线声明aggExCluster（）可以接受要聚集的数据作为输入，也可以接受以前的聚集结果（ExClust或APResult）。在未聚集的数据（fci）上运行aggExCluster，代码按预期工作：

> aglomr2 <- aggExCluster(negDistMat(r=2), fci)
> aglomr2

AggExResult object

Number of samples          =  1045 
Maximum number of clusters =  1045 

>aglomr2 aglomr2
AggExResult对象
样本数量=1045
最大群集数=1045

结果可以用dendogram格式绘制，一切都很好；但是，使用上面获得的APResult（apclr2q02）作为输入，返回以下错误：

> aglomr2 <- aggExCluster(negDistMat(r=2), apclr2q02)
Error in as.vector(data) : 
  no method for coercing this S4 class to a vector

---

>aglomr2如果要在先前作为“
ExClust
”或“
APResult
”对象给出的聚类结果之上使用
aggecluster（）
，则需要将这些对象作为参数“
x
”传递，此外，还需要提供相似性矩阵。以下是基于您的示例的自包含代码片段（请注意，从
apcluster（）
返回的对象“
apres
”包括相似性矩阵）：

使用相似性函数和“
APResult
”对象调用
aggExCluster（）
”将无法工作，因为“
APResult
”不包含原始数据，因此
aggExCluster（）
无法计算聚类所需的相似性矩阵。相反，如果
aggeExcluster（）
调用时，参数“
s
”是一个相似函数，它期望参数“
x
”包含原始数据，因此将尝试将其转换为子可附加对象。这就是您收到此错误消息的原因。
如果要在先前作为“
排除对象”或“
APResult
”对象给出的聚类结果之上使用
aggExCluster（）
，则需要将这些对象作为参数“
x
”传递，此外，还需要提供相似性矩阵。以下是基于您的示例的自包含代码片段（请注意，从
apcluster（）
返回的对象“
apres
”包括相似性矩阵）：

使用相似性函数和“
APResult
”对象调用
aggExCluster（）
”将无法工作，因为“
APResult
”不包含原始数据，因此
aggExCluster（）
无法计算聚类所需的相似性矩阵。相反，如果
aggeExcluster（）
调用时，参数“
s
”是一个相似函数，它期望参数“
x
”包含原始数据，因此将尝试将其转换为子可附加对象。这就是您收到此错误消息的原因。
Ausgezeichnet，vielen Dank！（非常好，非常感谢！）这也适用于我的数据。Ausgezeichnet，vielen Dank！（非常好，非常感谢！）这也适用于我的数据。
cl1 <- cbind(rnorm(50,0.2,0.05),rnorm(50,0.8,0.06))
cl2 <- cbind(rnorm(50,0.7,0.08),rnorm(50,0.3,0.05))
x <- rbind(cl1,cl2)

apres <- apcluster(negDistMat(r=2), x, q=0.7)
aggExCluster(x=apres)

sim <- negDistMat(r=2, x)
apres <- apcluster(sim, q=0.7, includeSim=TRUE)
aggExCluster(x=apres)

sim <- negDistMat(r=2, x)
apres <- apcluster(sim, q=0.7)
aggExCluster(x=apres, s=sim)