实验报告：CURE聚类预测_cure聚类算法 代码

这周工作室考核，实现cure聚类预测。
CURE算法：
纯属个人理解：
1.将数据划分k个区。
2.每个区分别聚类，成为k个簇.
3.选择每个簇的分布较好的点作为簇的代表点，排除异常点及聚类缓慢的点。
4.利用每个簇分别聚类落在每个新形成得簇中的代表点向簇中心收缩。
5.以代表点计算簇间距离，将每个簇之间的距离排序，将最近的簇进行聚合。
library(fpc)
x1 = read.csv(“C:/Users/Administrator/Desktop/13.csv”, header=FALSE)
view(x1)
dd=dist(x1,method = “euclidean”)#####Euclid距离
t1=dbscan(dd,eps=0.42,MinPts = 10)
plot(t1)
sum=summary(dd)
plot(dd)
plot(t)
hc1=hclust(dd,method=”single”)hc2=hclust(dd,method=”complete”)
hc3=hclust(dd,method=”median”)hc4=hclust(dd,method=”average”)
opar=par(mfrow=c(2,2))
plot(hc1,hang=-1);plot(hc2,hang=-1);plot(hc3,hang=-1);plot(hc4,hang=-1)
par(opar)#####################################图示不同聚类效果
class=cutree(hc2,k=10)
order=