2024年3月15日发(作者：)

相似度矩阵 聚类 代码

相似度矩阵聚类是一种常用的聚类算法，它将数据样本转化为相

似度矩阵，再通过聚类算法对相似度矩阵进行聚类。以下是相似度矩

阵聚类的代码示例：

```python

import numpy as np

from r import AgglomerativeClustering

# 构建相似度矩阵

def similarity_matrix(data):

num_data = len(data)

sim_matrix = ((num_data, num_data))

for i in range(num_data):

for j in range(i+1, num_data):

sim_matrix[i][j] = -(data[i]-data[j])

sim_matrix[j][i] = sim_matrix[i][j]

return sim_matrix

# 相似度矩阵聚类

def sim_matrix_clustering(data, n_clusters):

sim_matrix = similarity_matrix(data)

clustering =

AgglomerativeClustering(n_clusters=n_clusters,

linkage='average', affinity='precomputed')

- 1 -

(sim_matrix)

return _

# 示例

data = ((50, 10))

labels = sim_matrix_clustering(data, 3)

print(labels)

```

代码中，首先定义了一个函数 `similarity_matrix`，用于构建

数据样本的相似度矩阵。在相似度矩阵中，元素 `sim_matrix[i][j]`

表示样本 i 和样本 j 之间的相似度，这里采用欧几里得距离的负值

来表示相似度。

接着定义了一个函数 `sim_matrix_clustering`，用于对数据样

本进行相似度矩阵聚类。在该函数中，先调用 `similarity_matrix`

函数构建相似度矩阵，再使用 `AgglomerativeClustering` 聚类算

法对相似度矩阵进行聚类。其中，`n_clusters` 表示聚类簇数，

`linkage` 和 `affinity` 分别表示链接方法和距离度量。

最后，通过调用 `sim_matrix_clustering` 函数对随机生成的

数据样本进行聚类，输出了聚类结果。

- 2 -