[slgu]

若将n个数据点（x）分成g组，主要有两种聚类方法。
一是系统聚类，先将每一点视为一类，按某种规则计算类间距离（第一步时即为点间距离），然后将最相近的两类合并成一新类，重新（按规则）计算类间距离（只需计算新类与其它类的类间距离，其它类间距离没有发生变化，不必计算），再将最相近的两类合并。如此反复，直至所有点成为一类。这里，计算类间距离的规则有6种，亦即形成了6种基本的系统聚类方法：最近距离法、最远距离法、中间距离法、重心法、类平均法、最小组内平方和法。在matlab中，这可以通过以下几个命令实现：
y=pdist(x,' '),% ' '中为计算空间距离的选项
z=linkage(y,' '),% ' '中为类间距离的选项，对应有，single, complete, median, centroid, average, ward 等。
最后画出聚类树：dendrogram(z), or dendrogram(z,0)
另一类是动态聚类，它在给定初始聚类的基础上，反复修改分类，使分类趋于某种事先设定的标准（目标函数），最终得到一个优化的目标函数，对应于一个优化的分类。在matlab中，仅有组中心距离最短（现改为组中心距离和最小）这一目标函数的kmeans法，这可通过：
kmeans(x,g)
实现。
但这种方法的能力有限，不一定能实现全距最优分类。
若将数据（最好是数据点原始数据，亦即x数据）置上，可以代为聚类，实现各类不同方法优化的动态聚类。