matlab之聚类分析

1.原理：

聚类分析是根据在数据中发现的描述对象及其关系的信息，将数据对象分组。目的是，组内的对象相互之间是相似的（相关的），而不同组中的对象是不同的（不相关的）。组内相似性越大，组间差距越大，说明聚类效果越好。
也就是说， 聚类的目标是得到较高的簇内相似度和较低的簇间相似度，使得簇间的距离尽可能大，簇内样本与簇中心的距离尽可能小

2.数据：

3.效果图：

4.分类结果：

ans =

4×1 cell 数组

'02'
'29未风化点'
'30部位1'
'48'

ans =

2×1 cell 数组

'08'
'26'

ans =

cell

'08严重风化点'

ans =

7×1 cell 数组

'39'
'40'
'43部位1'
'50'
'52'
'54'
'54严重风化点'

ans =

10×1 cell 数组

'11'
'19'
'30部位2'
'41'
'43部位2'
'49'
'50未风化点'
'51部位1'
'51部位2'
'58'

ans =

cell

'20'

ans =

5×1 cell 数组

'23未风化点'
'42未风化点1'
'42未风化点2'
'47'
'53未风化点'

ans =

cell

'24'

ans =

17×1 cell 数组

'25未风化点'
'28未风化点'
'31'
'32'
'33'
'34'
'35'
'36'
'37'
'38'
'44未风化点'
'45'
'46'
'49未风化点'
'55'
'56'
'57'

5.分类代码：

function test9()
[data,textdata]=xlsread('F:\铅钡1');
X=zscore(data);%%把数据标准化
num=9;%%分类个数
startdata=(X([1 2 3 4 5 6 7 8 9],:));%%初始凝聚点
idx=kmeans(X,num,'start',startdata);%%进行k均值聚类
[S,H]=silhouette(X,idx);%%返回轮廓值
countryname=textdata(2:end,1);%%提取编号名称
countryname(idx==1)
countryname(idx==2)
countryname(idx==3)
countryname(idx==4)
countryname(idx==5)
countryname(idx==6)
countryname(idx==7)
countryname(idx==8)
countryname(idx==9)