系统聚类与K均值聚类（R语言）

聚类分析

（1）系统聚类

系统聚类是一种将每个样品划分为若干个类别的方法。其基本思想如下：最初假设每个样品各自独立地构成一个类别；随后设定各类之间的距离标准；选择两类间具有最小距离的标准进行组合并形成一个新的类别；接着再次选取当前各类间具有最小距离的一对进行合并；如此反复运算直到所有样品最终被整合为单一类别为止。

·聚类方法：

最短距离法和最长距离法、重心法和类平均法、离差平方和法（Ward方法）

·分类数的确定（德穆曼准则）：

（1）任何类都必须具有鲜明的对比性，在邻近各类中间距必须显著
（2）每个类别所包含的元素数量不宜过多
（3）分类的数量应与使用目的相匹配
（4）运用多种聚类方法处理同一数据时，在各自生成的聚类图中应能识别出相同的类别

·流程图：

（2）模糊聚类

模糊聚类分析是一种基于模糊数学理论体系的方法用于对事物遵循特定的标准进行表征与划分。
模糊聚类分析一般是指基于研究对象自身的特性构建相应的 fuzzy 矩阵，并通过一定标准形成具体的分类关联；从而