根据研究对象的不同可分为q型聚类和r型聚类 1、聚类分析又称群分析、点群分析。根据研究对象特征对研究对象进行分类的一种多元分析技术，把性质相近的个体归为一类，使得同一类中的个体都具有高度的同质性，不同类之间的个体具有高度的异质性。根据分类对象的不同分为样品聚类和变量聚类。2、判别分析是一种进行统计判别和分组的技术手段。根据一定量案例的一个分组变量和相应的其他多元变量的已知信息，确定分组与其他多元变量之间的数量关系，建立判别函数，然后便可以利用这一数量关系对其他未知分组类型所属的案例进行判别分组。判别分析中的因变量或判别准则是定类变量，而自变量或预测变量基本上是定距变量。依据判别类型的多少与方法不同，分为多类判别和逐级判别。判别分析的过程是通过建立自变量的线性组合(或其他非线性函数)，使之能最佳地区分因变量的各个类别。二、聚类分析与判别分析的区别1、基本思想不同(1)聚类分析的基本思想我们所研究的样品或指标(变量)之间存在程度不同的相似性(亲疏关系)，于是根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量作为划分类型的依据。把一些相似程度较大的样品(或指标)聚合为一类，把另外一些相似程度较大的样品(或。
如何利用matlab求r型聚类分析 本文重点是展示如何2113用Matlab来进行聚类分析。如果有5261需要4102解答的问题请留言，笔者会尽其1653所能地回答。内容展示如何使用MATLAB进行聚类分析生成随机二维分布图形，三个中心K均值聚类分层聚类重新调用K均值法将分类的结果展示出来运用高斯混合分布模型进行聚类分析通过AIC准则寻找最优的分类数展示如何使用MATLAB进行聚类分析分别运用分层聚类、K均值聚类以及高斯混合模型来进行分析，然后比较三者的结果生成随机二维分布图形，三个中心使用高斯分布（正态分布）随机生成3个中心以及标准差s=rng(5，'v5normal')；mu=round((rand(3，2)-0.5)*19)+1；sigma=round(rand(3，2)*40)/10+1；X=[mvnrnd(mu(1，：)，sigma(1，：)，200)；mvnrnd(mu(2，：)，sigma(2，：)，300)；mvnrnd(mu(3，：)，sigma(3，：)，400)]；作图P1=figure；clf；scatter(X(：，1)，X(：，2)，10，'ro')；title('研究样本散点分布图')K均值聚类距离用传统欧式距离，分成两类[cidx2，cmeans2，sumd2，D2]=kmeans(X，2，'dist'，'sqEuclidean')；P2=figure；clf；[silh2，h2]=silhouette(X，cidx2，'sqeuclidean')；从轮廓图上面看，第二类结果比较好，但是第一类有部分数据表现不佳。有相当部分的点落在0.8以下。分层聚类。
R语言做聚类分析用统计量确定类的个数。有什么代码或者包吗？ See http：//www.jstatsoft.org/v18/i06/paper # http：//www.stat.washington.edu/research/reports/2006/tr504.pdf # library(mclust)#Run the function to see how many 。
