聚类分析 | MATLAB实现基于LP拉普拉斯映射的聚类可视化

聚类分析 | MATLAB实现基于LP拉普拉斯映射的聚类可视化

目录

    • 聚类分析 | MATLAB实现基于LP拉普拉斯映射的聚类可视化
      • 效果一览
      • 基本介绍
      • 程序设计
      • 参考资料

效果一览

聚类分析 | MATLAB实现基于LP拉普拉斯映射的聚类可视化_第1张图片

基本介绍

聚类分析 | MATLAB实现基于LP拉普拉斯映射的聚类可视化,聚类结果可视化,MATLAB程序。
拉普拉斯特征映射(Laplacian Eigenmaps)是一种非线性降维和聚类方法,它可以通过计算拉普拉斯矩阵的特征向量来实现数据的聚类。在MATLAB中,我们可以使用eig函数来计算特征向量。通过计算数据之间的相似度矩阵和标准化拉普拉斯矩阵来实现拉普拉斯特征映射聚类。然后,我们计算标准化拉普拉斯矩阵的特征向量,从而得到聚类结果。从Excel表格中读取,直接替换数据就可以使用,不需要对程序大幅度改动。程序内有详细注释,便于理解程序运行。

程序设计

  • 完整源码和数据获取方式:私信回复MATLAB实现基于LP拉普拉斯映射的聚类可视化
%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

cosD = pdist(meas,'cosine');
clustTreeCos = linkage(cosD,'average');
cophenet(clustTreeCos,cosD)

ans =

    0.9360
[h,nodes] = dendrogram(clustTreeCos,0);
h_gca = gca;
h_gca.TickDir = 'out';
h_gca.TickLength = [.002 0];
h_gca.XTickLabel = [];
————————————————
版权声明:本文为CSDN博主「机器学习之心」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/kjm13182345320/article/details/119920826



figure
hidx = cluster(clustTreeCos,'criterion','distance','cutoff',.006);
for i = 1:5
    clust = find(hidx==i);
    plot3(meas(clust,1),meas(clust,2),meas(clust,3),ptsymb{i});
    hold on
end
hold off
xlabel('Sepal Length');
ylabel('Sepal Width');
zlabel('Petal Length');
view(-137,10);
grid on

————————————————
版权声明:本文为CSDN博主「机器学习之心」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/kjm13182345320/article/details/119920826

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129215161
[2] https://blog.csdn.net/kjm13182345320/article/details/128105718

你可能感兴趣的:(聚类分析,聚类,机器学习,拉普拉斯映射)