按凝聚法以最短距离法为准则进行聚类算法的MATLAB代码

凝聚法是一种层次聚类算法，它的核心思想是初始时将每个样本点视为一个单独的类，然后根据某种准则（如最短距离法）逐步合并距离最近的两个类，直到满足某些停止条件为止。在最短距离法中，类与类之间的距离是通过类内最近两点的距离来衡量的。以下是一个简单的MATLAB代码示例，展示了如何使用凝聚法和最短距离法进行聚类：

function [T, D] = agglomerative_clustering(X)
    % X: 数据矩阵，行代表样本，列代表特征
    % T: 树状结构的聚类结果
    % D: 距离矩阵

    [n, m] = size(X); % n个样本，m个特征
    D = zeros(n, n); % 初始化距离矩阵
    
    % 计算初始距离矩阵
    for i = 1:n
        for j = i+1:n
            D(i, j) = norm(X(i, :) - X(j, :));
            D(j, i) = D(i, j);
        end
    end
    
    % 初始化树状结构T
    T = linkage(D, 'single'); % 使用最短距离法（single linkage）
    
    % T是MATLAB中linkage函数的输出，它表示了一个层次聚类树
end

% 示例使用
data = rand(10, 2); % 生成一个10个样本，每个样本2个特征的数据集
[T, D] = agglomerative_clustering(data);

% 绘制树状图
figure;
dendrogram(T);
title('Agglomerative Clustering Dendrogram');
xlabel('Sample index');
ylabel('Distance');

这段代码定义了一个函数`agglomerative_clustering`，它接受一个数据矩阵`X`作为输入，并返回一个树状结构`T`和一个距离矩阵`D`。在这个例子中，我们使用MATLAB内置的`linkage`函数来进行层次聚类，并通过参数`'single'`指定使用最短距离法。

请注意，这个代码是一个非常基础的示例，实际应用中可能需要更复杂的预处理、距离计算和聚类策略。此外，为了更好地使用这个函数，可能需要了解`linkage`函数的更多细节和参数设置。