创建数据集
library(stats)#cbind： 根据列进行合并，即叠加所有列，m列的矩阵与n列的矩阵cbind()最后变成m+n列，合并前提：cbind(a, c)中矩阵a、c的行数必需相符
#rbind： 根据行进行合并，就是行的叠加，m行的矩阵与n行的矩阵rbind()最后变成m+n行，合并前提：rbind(a, c)中矩阵a、c的列数必需相符
#rnorm函数是指生成随机数据集，参数分别为为（数据个数，平均数，标准差）
c1<-cbind(rnorm(20,4,1),rnorm(20,2,1)) #构建第一个数据集
c2<-cbind(rnorm(20,4,1),rnorm(20,20,1)) #构建第二个数据集
c3<-cbind(rnorm(20,20,1),rnorm(20,20,1))#构建第三个数据集
#rbind： 根据行进行合并，就是行的叠加，m行的矩阵与n行的矩阵rbind()最后变成m+n行，合并前提：rbind(a, c)中矩阵a、c的列数必需相符
v=rbind(c1,c2,c3)
plot(v)
1.本次实验中采用的cluster包中的AGNES（Agglomerative Nesting）层次聚类算法。
#daisy函数：Compute all the pairwise dissimilarities (distances) between observations in the data set.
> agnSingle<-agnes(daisy(v),diss=TRUE,method="single") #簇之间相似度采用最小值的聚类结果树状图
> agnComplete<-agnes(daisy(v),diss=TRUE,method="complete") #簇之间相似度采用最大值的聚类结果树状图
> agnAverage<-agnes(daisy(v),diss=TRUE,method="average") #簇之间相似度采用平均值的聚类结果树状图
> plot(agnSingle)
Hit <Return> to see next plot:
Hit <Return> to see next plot:
> plot(agnComplete)
Hit <Return> to see next plot:
Hit <Return> to see next plot:
> plot(agnAverage)
Hit <Return> to see next plot:
Hit <Return> to see next plot:
2.分裂层次聚类：
本次实验中采用的是cluster包中的DIANA(Divisive Analysis)层次聚类算法。
> dv<-diana(v)
> plot(dv)