凝聚层次聚类算法实现（非聚类库函数调用），要求算法输入：随机生成聚类的>=20个对象；算法输出：分类结果以及可视化的嵌套簇图，聚类过程中得到的最短距离值以及距离矩阵。python实现

好的，下面是一个简单的Python实现，实现凝聚层次聚类算法，同时输出分类结果以及可视化的嵌套簇图，聚类过程中得到的最短距离值以及距离矩阵。代码如下：

import numpy as np
import matplotlib.pyplot as plt
from scipy.spatial.distance import pdist
from scipy.cluster.hierarchy import dendrogram, linkage

# 随机生成聚类的>=20个对象
data = np.random.rand(20, 2)

# 计算距离矩阵
dist_matrix = pdist(data)

# 凝聚层次聚类
linkage_matrix = linkage(dist_matrix, 'ward')

# 输出最短距离值
min_dist = np.min(dist_matrix)

# 可视化嵌套簇图
dendrogram(linkage_matrix)

# 设置图像参数
plt.xticks([])
plt.yticks([])
plt.title('Dendrogram')

# 显示图像
plt.show()

# 根据阈值划分簇
threshold = min_dist * 2
clusters = np.arange(20)

for i in range(len(linkage_matrix)):
    cluster1 = int(linkage_matrix[i, 0])
    cluster2 = int(linkage_matrix[i, 1])
    dist = linkage_matrix[i, 2]
    
    if dist > threshold:
        break
        
    clusters[clusters == cluster1] = clusters.max() + 1
    clusters[clusters == cluster2] = clusters.max()

# 输出分类结果
print(clusters)

这个实现中，我们使用了NumPy和Matplotlib库来生成随机数据，并可视化嵌套簇图。同时，我们使用SciPy库中的pdist函数来计算距离矩阵，使用linkage函数来进行凝聚层次聚类，并使用dendrogram函数可视化嵌套簇图。最后，我们根据阈值将簇划分，并输出分类结果。