mdwtcluster
多信号一维聚类
语法
S = mdwtcluster(X)
S = mdwtcluster(X,'PropName1',PropVal1,'PropName2',PropVal2,…)
描述
S = mdwtcluster(X)
从层次集群树构造集群。输入矩阵X
在行方向上使用DWT函数分解哈雾
小波和允许的最大电平。
S = mdwtcluster(X,'PropName1',PropVal1,'PropName2',PropVal2,…)
允许您修改某些属性。的有效选项PropName
是:
注意: |
“dirDec” |
|
“水平” |
DWT分解的级别。默认值为: |
“wname” |
用于小波变换的小波名称。默认值为 |
“dwtEXTM” |
DWT扩展模式(参见 |
“pdist” |
参见统计和机器学习工具箱 |
“链接” |
参见统计和机器学习工具箱 |
“maxclust” |
集群个数。缺省值为6。输入变量可以是一个向量。 |
“lst2clu” |
包含要分类的数据列表的单元格数组。 如果
默认值为 |
对于每个分区,输出结构S是这样的j
:
S.Idx (:, j) |
包含从分层集群树(请参阅 |
S.Incons (:, j) |
包含层次集群树中每个非叶节点的不一致值(参见统计和机器学习工具箱软件功能) |
S.Corr (j) |
包含分区的综合相关系数(参见统计和机器学习工具箱软件功能) |
请注意如果 |
例子
负载elecsig10 lst2clu ={‘s’,‘ca1, ca3, ' ca6 '};%计算多信号聚类产生的结构S = mdwtcluster(signals,'maxclust',4,'lst2clu',lst2clu) S = IdxCLU: [70x4 double] Incons: [69x4 double] Corr:[0.7920 0.7926 0.7947 0.7631] %检索聚类索引IdxCLU = s.d xclu;%绘制第一个聚类图(signals(IdxCLU(:,1)==1,:)','r');抓住;绘制第三个聚类图(signals(IdxCLU(:,1)==3,:)','b')
检查分区的相等性equalPART = isequal(IdxCLU(:,1),IdxCLU(:,3)),因此我们可以看到,我们在3级使用%的近似系数而不是原始的%信号获得相同的分区。然后使用的信息就少得多。