一、聚类分析的目的？
聚类分析就是把一组数据按照差异性和相似性分为几个类别，使得同类的数据相似性尽量大，不同类的数据相似性尽可能小，跨类的数据关联性尽可能低。聚类分析常用于客户细分、文本归类、结构分组、行为跟踪等问题。与分类方法不同，聚类要划分的类是未知的，聚类分析是根据观察学习来确定数据之间的关系，因此是一种无监督学习。常用的聚类方法包括基于划分的方法(例如k-均值算法)、基于分层的方法、基于密度的方法、基于网格的方法和基于模型的方法。
二、如何利用matlab求r型聚类分析？
Cluster Analysis
这个是matlab聚类分析模块的文档，里面有很多的例子。
Cluster Analysis
这个是matlab进行聚类分析的几个例子。你可以看一下，看了这些，对于聚类分析应该差不多了。
主要有：系统聚类、k均值聚类、密度聚类等方法。
三、二，什么是聚类分析?聚类算法有哪几种？
聚类分析的算法可以分为以下几大类:分裂法、层次法、基于密度的方法、基于网格的方法和基于模型的方法等。
四、gmm单位的含义？
GMM，高斯混合模型，也可以简写为MOG。高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。
扩展资料
GMMs已经在数值逼近、语音识别、图像分类、图像去噪、图像重构、故障诊断、视频分析、邮件过滤、密度估计、目标识别与跟踪等领域取得了良好的效果。
原理和过程
对图像背景建立高斯模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以认为是图像灰度概率密度的估计。如果图像所包含的目标区域和背景区域相比比较大，且背景区域和目标区域在灰度上有一定的差异，那么该图像的灰度直方图呈现双峰-谷形状，其中一个峰对应于目标，另一个峰对应于背景的中心灰度。对于复杂的图像，尤其是医学图像，一般是多峰的。通过将直方图的.多峰特性看作是多个高斯分布的叠加，可以解决图像的分割问题。 在智能监控系统中，对于运动目标的检测是中心内容，而在运动目标检测提取中，背景目标对于目标的识别和跟踪至关重要。而建模正是背景目标提取的一个重要环节。