广西财经学院学生实验报告实验课程名称统计软件及应用课程编码实验课程类型基础实验（ ）专业实验（ ）综合实训（ ）实验项目名称实验5 聚类方法与聚类有效性实验时间实验地点学生班级指导老师学生姓名学号 学生成绩（分数）实验目的和要求：1. 熟练掌握应用MATLAB软件计算谱系聚类与K均值聚类的命令。2. 熟练掌握模糊C均值聚类与模糊减法聚类的MATLAB实现。3. 掌握最优聚类数的理论及其实现。实验方法和步骤（包括实验所需设备及软件名称）：所需设备：笔记本电脑一台。操作系统：Windows8.1中文版 软件名称：MATLAB（R2016a）1.计算各样品间的欧氏距离、马氏距离和加权平方距离2.运用谱系聚类法进行聚类，包括确定最优聚类数，选择合适的类间距离，同时作出谱系图。3.运用K均值聚类法进行聚类。4.运用模糊C均值和模糊减法聚类进行聚类。5.综合分析以上不同的聚类法所得的聚类结果，能得到什么样的结论。实验内容和数据记录：输入数据x=18738.96 778.36 . 1976.49运行如下的matlab程序d1=pdist(x) %欧氏距离d2=pdist(x,seuclidean); %加权平方距离d3=pdist(x,mahalanobis); %马氏距离z1=linkage(d1) %类间距离为最短距离figure(1) %谱系聚类图H=dendrogram(z1)z2=linkage(d1,complete) %类间距离为最长距离figure(2)H2=dendrogram(z2)z3=linkage(d1,average) %类间距离为类平均距离figure(3)H3=dendrogram(z3)z4=linkage(x,centroid) %重心距离figure(4)H4=dendrogram(z4)z5=linkage(x,ward) %离差平方和figure(5)H5=dendrogram(z5)R=cophenet(z1,d1),cophenet(z2,d1),cophenet(z3,d1),cophenet(z4,d1),cophenet(z5,d1)n,p=size(x);n1=n-1;format longc=zeros(n1-1,1);for j=2:n1 d1=pdist(x); z2=linkage(d1,complete); c=cluster(z2,j); k=1; if k0 a=x(b,:); c(j)=sum(l*var(a)+c(j); end endendR2=1-c/sum(n1*var(x);optimaln=find(R2=max(R2)a b=kmeans(x,12)n1=length(find(a=1)n2=length(find(a=2)n3=length(find(a=3)n4=length(find(a=4)n5=length(find(a=5)n6=length(find(a=6)n7=length(find(a=8)n9=length(find(a=9)n10=length(find(a=10)n11=length(find(a=11)n12=length(find(a=12)center u=fcm(x,3);index1=find(u(1,:)=max(u)index1=find(u(2,:)=max(u)index1=find(u(3,:)=max(u)C=subclust(x,0.6)运行程序，可以得出结果如下d1 = 1.0e+04 * 1 至 5 列 1.3804 1.6591 0.6416 0.6560 1.9788 6 至 10 列 0.6666 0.4940 0.4901 1.4114 0.6909 11 至 15 列 1.0299 0.4131 1.4247 1.3045 1.2874 16 至 20 列 0.6592 0.3321 1.5185 0.4356 1.1039 21 至 25 列 1.5417 1.8862 0.3833 0.9836 1.3572 26 至 30 列 1.6546 1.8102 1.3404 0.8294 0.3702 31 至 35 列 0.1108 0.1347 1.3483 0.1194 0.9290 36 至 40 列 0.7283 0.6560 0.1651 0.9358 0.9200 41 至 45 列 0.1038 0.1097 0.2624 0.5835 0.8825 46 至 50 列 0.1025 0.5032 0.2828 0.0643 0.3885 51 至 55 列 0.3351 0.5582 0.6028 0.0872 0.5000 56 至 60 列 0.1373 0.5502 0.6852 1.2271 0.3957 61 至 65 列 0.6669 0.6553 0.0325 0.4384 0.7152 66 至 70 列 0.5692 0.1810 0.9130 0.6091 0.0649 71 至 75 列 0.3389 0.5502 0.9320 0.2308 0.9499 76 至 80 列 0.8163 0.0914 0.8590 0.0192 0.5886 81 至 85 列 0.2936 0.3489 0.6860 1.8587 0.7927 86 至 90 列 0.4550 0.4552 0.2450 0.0531 0.7409 91 至 95 列 0.1104 0.6495 0.9731 0.8527 0.1130 96 至 100 列 0.3093 0.9282 0.3098 0.9439 0.7936 101 至 105 列 0.9221 0.8247 0.3001 0.4308 0.0015 106 至 110 列 0.4521 0.7147 1.2775 0.1635 0.7190 111 至 115 列 0.7454 0.3150 0.8796 0.6257 0.5034 116 至 120 列 0.8427 0.9180 0.2858 0.7973 0.5762 121 至 125 列 0.3170 0.3580 0.8027 0.7473 0.8316 126 至 130 列 0.8082 0.4023 0.4223 0.4504 0.5186 131 至 135 列 1.9984 0.6586 0.0070 0.4470 0.8868 136 至 140 列 0.7486 0.4344 0.7721 0.4443 0.5148 141 至 145 列 0.2433 0.0426 0.6101 0.5871 0.8806 146 至 150 列 0.9904 0.5362 0.5096 0.7933 0.0198 151 至 155 列 0.9054 0.2067 0.5380 0.8088 0.8430 156 至 160 列 1.4144 0.4181 1.8298 0.0305 1.4174 161 至 165 列 1.9917 1.2841 0.5612 1.6854 1.0454 166 至 170 列 1.1042 1.1991 1.8407 1.1690 1.0483 171 至 175 列 1.7770 1.4982 1.5779 1.9719 1.5003 176 至 180 列 0.4995 0.1062 0.9435 0.6874 0.5013 181 至 185 列 0.3377 0.4666 0.7892 0.0631 0.4210 186 至 190 列 0.7936 0.1129 0.1437 0.0975 0.1453 191 至 195 列 0.5164 0.1302 0.6077 0.0856 0.9494 196 至 200 列 0.3826 0.1678 0.9222 0.0118 0.0651 201 至 205 列 0.5850 0.0434 0.5666 0.8579 0.4358 206 至 210 列 0.8860 0.4498 0.6777 0.6451 0.0106 211 至 215 列 0.6385 0.6606 0.9453 0.1963 0.4542 216 至 220 列 0.9592 0.9543 0.5910 0.7173 0.7083 221 至 225 列 0.8902 0.2672 0.3515 0.4079 0.4198 226 至 230 列 0.3698 0.5930 0.6075 0.3674 0.0324 231 至 235 列 0.5986 0.8157 0.8422 0.9547 0.4532 236 至 240 列 0.4174 0.8829 0.8026 0.6918 0.6891 241 至 245 列 0.5308 0.3587 0.7287 0.3082 0.6593 246 至 250 列 0.6007