cophenet

同表象相关系数

语法

c = cophenet (Z, Y) (c, d) = cophenet (Z, Y)

描述

c = cophenet (Z, Y)计算同表象层次聚类树由相关系数Z。Z的输出是什么链接函数。Y包含的距离或用于构造不同Z,作为输出pdist函数。Z是一个矩阵的大小(m -1)3,距离第三列的信息。Y是一个向量的大小米* (米1)/ 2。

(c, d) = cophenet (Z, Y)返回同表象的距离d在相同的下三角距离矢量格式Y。

同表象相关集群树被定义为线性相关系数同表象之间的距离从树,获得和原来的距离(或不同)用于构造树。因此,这是一个树的忠实地代表了观测之间的异同。

同表象之间的距离两个观测系统树图中表示的高度这两个观察是第一次加入链接。高度之间的距离是两个subclusters合并的链接。

输出值,c是同表象相关系数。这个值的大小应该非常接近1的高质量的解决方案。这个措施可以用来比较另类集群解决方案获得使用不同的算法。金宝搏官方网站

的同表象之间的相关性Z (: 3)和Y被定义为

$c = \frac{\sum_{我 < j} (Y_{我 j} - y) (Z_{我 j} - z)}{\sqrt{\sum_{我 < j} {(Y_{我 j} - y)}^{2} \sum_{我 < j} {(Z_{我 j} - z)}^{2}}}$

地点:

Y_ij是对象之间的距离我和j在Y。
Z_ij同表象对象之间的距离吗我和j,从Z (: 3)。
y和z的平均Y和Z (: 3),分别。

例子

X =[兰德(10,3);兰特(10,3)+ 1;兰特(10,3)+ 2];Y = pdist (X);Z =连杆(Y,“平均”);%计算斯皮尔曼等级相关的%的异同和同表象之间的距离(c, D) = cophenet (Z, Y);(r = corr Y ' D ', '类型',斯皮尔曼)r = 0.8279

版本历史

之前介绍过的R2006a

另请参阅