模式作业第二章1系统聚类法

模式识别第二章1.系统聚类法画出给定迭代次数为n的系统聚类法的算法流程框图开始输入初始模式样本共有N个。每个样本自成一类，共N类，即：)0(1G，)0(2G，...，)0(NG。计算各类之间的距离，得到一个NN的矩阵)0(G。设k=0（记录迭代的次数）在)(kG中找到最小元素，假设是)(kiG和)(kjG之间的距离将)(kiG和)(kjG合并为一类，由此建立新的分类：)1(1kG，)1(2kG，...，)1(1kkNG计算各类之间的距离，得到一个)1()1(kNkN的矩阵)1(kGk=k+1类别数（N-k）达到所需的聚类数目，或)(kG中的最小分量超过给定的阈值D是结束否对如下5个6维模式样本，用最小距离准则进行系统聚类分析：4,3,1,3,1,0:1x，1,2,1,3,3,3:2x，1,1,0,0,0,1:3x，1,2,2,0,1,2:4x，0,1,0,1,0,0:5x1.每个样本单独看成一类：}{1)0(1xG，}{2)0(2xG，}{3)0(3xG，}{4)0(4xG，}{5)0(5xG计算各类之间的距离。)0(1G)0(2G)0(3G)0(4G)0(5G)0(1G0)0(2G230)0(3G25240)0(4G241570)0(5G262531202.矩阵)0(D中最小距离元素为3，它是)0(3G和)0(5G之间的距离，将它们合并为一类，得新的分类为：}{}{1)0(1)1(1xGG，}{}{2)0(2)1(2xGG，},{},{53)0(5)0(3)1(3xxGGG，}{}{4)0(4)1(4xGG计算各类之间的距离)1(1G)1(2G)1(3G)1(4G)1(1G0)1(2G230)1(3G25240)1(4G2415703.矩阵)1(D中最小距离元素为7，它是)1(3G和)1(4G之间的距离，将它们合并为一类，得新的分类为：}{}{1)0(1)1(1)2(1xGGG，}{}{2)0(2)1(2)2(2xGGG，},,{},,{},{543)0(4)0(5)0(3)1(4)1(3)2(3xxxGGGGGG，计算各类之间的距离)2(1G)2(2G)2(3G)2(1G0)2(2G230)2(3G24150此时，得到若将样本分为三类，分类结果为：}{1x，}{2x，},,{543xxx。4.矩阵)2(D中最小距离元素为15，它是)2(2G和)2(3G之间的距离，将它们合并为一类，得新的分类为：}{}{1)0(1)1(1)2(1)3(1xGGGG，},,,{},,,{},,{},{5432)0(4)0(5)0(3)0(2)1(4)1(3)1(2)2(3)2(2)3(2xxxxGGGGGGGGGG，计算各类之间的距离)3(1G)3(2G)3(1G0)3(2G230此时，得到若将样本分为两类，分类结果为：}{1x，},,,{5432xxxx。