Matlab供给系列函数用于聚类分析，归纳起来详细办法有如下：
办法一：直接聚类，使用clusterdata函数对样本数据进行一次聚类，其缺陷为可供用户挑选的面较窄，不能更改间隔的核算办法，该办法的使用者无需了解聚类的原理和进程，可是聚类作用受限制。
办法二：层次聚类，该办法较为灵敏，需求进行细节了解聚类原理，详细需求进行如下进程处理：（1）找到数据调集中变量两两之间的相似性和非相似性，用pdist函数核算变量之间的间隔；（2）用 linkage函数界说变量之间的衔接；（3）用 copheneTIc函数点评聚类信息；（4）用cluster函数创立聚类。
办法三：区分聚类，包括K均值聚类和K中心聚类，相同需求系列进程完结该进程，要求使用者对聚类原理和进程有较明晰的知道。
接下来，介绍Matlab中的相关函数和相关聚类办法。
1．Matlab中相关函数介绍
1.1 pdist函数
调用格局：Y=pdist(X,’metric’)
阐明：用 ‘metric’指定的办法核算 X 数据矩阵中目标之间的间隔。’
X：一个m&TImes;n的矩阵，它是由m个目标组成的数据集，每个目标的巨细为n。
metric’取值如下：
‘euclidean’：欧氏间隔（默许）；‘seuclidean’：标准化欧氏间隔；
‘mahalanobis’：马氏间隔；‘cityblock’：布洛克间隔；
‘minkowski’：明可夫斯基间隔；‘cosine’：
‘correlaTIon’： ‘hamming’：
‘jaccard’： ‘chebychev’：Chebychev间隔。
1.2 squareform函数
调用格局：Z=squareform(Y,..)
阐明： 强制将间隔矩阵从上三角方式转化为方阵方式，或从方阵方式转化为上三角方式。
1.3 linkage函数
调用格局：Z=linkage(Y,’method’)
说 明：用‘method’参数指定的算法核算体系聚类树。
Y：pdist函数回来的间隔向量；
method：可取值如下：
‘single’：最短间隔法（默许）； ‘complete’：最长间隔法；
‘average’：未加权均匀间隔法； ‘weighted’： 加权均匀法；
‘centroid’：质心间隔法； ‘median’：加权质心间隔法；
‘ward’：内平方间隔法（最小方差算法）
回来：Z为一个包括聚类树信息的（m-1）&TImes;3的矩阵。
1.4 dendrogram函数
调用格局：[H，T，…]=dendrogram(Z,p，…)
阐明：生成只要顶部p个节点的冰柱图（谱系图）。
1.5 cophenet函数
调用格局：c=cophenetic(Z,Y)
阐明：使用pdist函数生成的Y和linkage函数生成的Z核算cophenet相关系数。
1.6 cluster 函数
调用格局：T=cluster(Z,…)
阐明：依据linkage函数的输出Z 创立分类。
1.7 clusterdata函数
调用格局：T=clusterdata(X,…)
阐明：依据数据创立分类。
T=clusterdata(X,cutoff)与下面的一组指令等价：
Y=pdist(X,’euclid’);
Z=linkage(Y,’single’);
T=cluster(Z,cutoff);
2. Matlab聚类程序的规划
2.1 办法一：一次聚类法
X=[11978 12.5 93.5 31908;…;57500 67.6 238.0 15900];
T=clusterdata(X,0.9)
2.2 办法二和办法三规划流程：分步聚类
Step1 寻觅变量之间的相似性
用pdist函数核算相似矩阵，有多种办法能够核算间隔，进行核算之前最好先将数据用zscore函数进行标准化。
X2=zscore(X); %标准化数据
Y2=pdist(X2); %核算间隔
Step2 界说变量之间的衔接
Z2=linkage(Y2);
Step3 点评聚类信息
C2=cophenet(Z2,Y2); //0.94698
Step4 创立聚类，并作出谱系图
