gCLUT-1.0说明书

gCLUTO 使用说明书

Matt Rasmussen, Mark Newman

明尼苏达大学. 版权2003

最后修改：CST 2003年 1月20日星期一12:33:38

/~mrasmus/gcluto

1

目录

1 说明 (1)

1.1 gCLUTO简介 (1)

1.2 gCLUTO功能 (1)

2 . gCLUTO安装 (1)

3．gCLUTO使用 (2)

3.1 概述 (2)

3.2 创建新项目 (3)

3.3 导入数据 (3)

3.4 数据聚类 (4)

3.5 可视化方案 (6)

3.5.1可视化矩阵 (6)

3.5.2可视化山丘 (9)

1 说明

1.1 gCLUTO简介

gCLUTO (Graphical Clustering Toolkit,图形聚类工具包)是CLUTO数据聚类文库的图化形前端，其用途就是为CLUTO软件提供一个用户友好的图形界面。另外，gCLUTO还提供了交互式聚类结果可视化的几种方法。gCLUTO可以在/gkhome/cluto/gcluto/download下载。更多信息请访问/gkhome/cluto/gcluto/overview。

1.2 gCLUTO功能

gCLUTO具有以下功能：

∙提供项目树视图：用于管理数据文件，聚类方案和可视化结果；

∙提供详细对话框：用于选择聚类参数；

∙提供电子表格界面：用于浏览数据；

∙提供HTML 界面：用于浏览聚类结果；

∙Bootstrap聚类方法。

∙提供可视化矩阵：为一种彩色的交互式矩阵；

∙提供可视化山丘：通过多维标度计算生成的三维山丘聚类图形。

2 . gCLUTO安装

目前, gCLUTO 适用于Linux 和Microsoft Windows 平台。

∙在/gkhome/cluto/gcluto/download找到gCLUTO的最新版本。

∙下载到本人电脑的任意目录下，解压文档。

∙阅读README.txt文件以将正确版本的gCLUTO载入操作系统。

∙Windows用户可以通过将gcluto.exe放入资源管理器来创建桌面快捷方式。右击图标，将其拖至桌面，从弹出的菜单中选择“在此创建快捷方式”。

1

∙Linux用户可以创建一个符号链接至gcluto，并将符号链接置在最方便使用的地方。

注意：实际的可执行文件（gcluto, gcluto.exe）必须在与解压后的程序文件在同一个文件夹内才可保证程序的执行。请勿将其重新定位。

3．gCLUTO使用

3.1 概述

图3.1 gCLUTO界面

开始对数据进行聚类时，会用到很多文件，如数据文件，聚类方案文件和可视化方案文件。和许多其他应用程序一样，gCLUTO使用“项目”的理念来组织用户的数据和工作流。

载入一个项目，它的内容将会在树状图中显示，见图3.1中的左侧条形栏目（a）。树状图中的图标为项目中的条目。

∙表示的是项目，代表项目本身，是项目树的根。

∙表示的是数据，将数据导入项目后，数据图标就会出现在项目树上。一个项目可包含许多不同的数据项。

∙表示的是结果，对某个数据项聚类后，该图标就会生成并置于聚类数据项之下。

∙表示的是可视化矩阵，这是聚类后生成的一个可视化结果。所有的可视化结果都出现在其来源聚类结果之下。

∙表示的是可视化山丘，另一个可视化结果，力图从三维的角度来描述类群之间的相互关系。

在任意项上右击会弹出菜单，菜单在列出该项上可执行的操作，双击可以在一个叫做“视图”的新窗口中打开该项的内容，类似于图3.1中右侧的（b）（c）（d）。当在其中一个视图中工作的时候，菜单栏就会出现该视图特有的菜单选项。

3.2 创建新项目

gCLUTO第一次打开时是一个空的项目树。需要创建一个新的项目树以开始工作。在菜单栏选择“File”，再选择“New Project”，就会出现一个对话窗口，命名项目并在指定位置保存。

gCLUTO将会生成一个目录，称为项目目录。项目目录以项目命名并存储在特定位置。与该项目相关的信息都会存储在项目目录里。

打开已有项目需选择“File”，再选择“ Open Project”，然后会出现对话框。确定项目目录的位置后打开该项目，在项目目录内会有一个

“project_name.prj”文件，“project_name”为项目名。选择这个文件点击“打开”。

这些步骤后，项目树的项目将被载入并显示。

3.3 导入数据

gCLUTO接受的数据类型与CLUTO相同。参见CLUTO的说明书可详细了解具体的数据类型。

∙matrix file (*.mat)——包括致密矩阵，稀疏矩阵，或者用于表示聚类的数据的相似度图（similarity graph）。

∙row lables (*.rlabel)——保存数据矩阵的行标签。

∙column labels (*.clabel)——保存数据矩阵的列标签。

∙class labels (*.rclass)——保存数据矩阵中行的类标签。

导入新的数据项：在菜单栏上选择“Project”，再选择“Import Data”。出现的导入数据对话框允许用户打开指定位置的上述几种文件类型。点击

“Browse”将弹出文件对话框，允许用户定位所需文件。对于*.txt文件可选择Delimited File进行导入。只有*.mat文件要求用户必须通过适当的选项指定*.mat文件包含的是矩阵数据还是图形数据。

如果先选择*.mat文件，gCLUTO会尝试通过为*.mat文件名加上扩展名来推测可选文件(*.rlabel, *.clabel, *.rclass)的位置，例如，对于名为genes.mat 的文件，gCLUTO会推测genes.mat.rlabel为行标文件。如果这个文件存在，gCLUTO会将它作为默认文件并在"Browse"文件对话框中打开。

当指定这些文件后，用户可为该数据项设定标签。如不设定，数据项将以除去扩展名的*.mat文件作为标记。在导入数据对话框点击“OK”, gCLUTO将试着读取所选文件。如果没有遇到错误，gCLUTO将添加新的数据项至项目树并打开数据视图。数据视图允许用户浏览数据，核实其是否被正确导入。

对于用BICOMB软件生成的词篇矩阵，可选择“Delimited File”，并在“Deliminated File Option”中选择以首行（列）作为行（列）标，“Delimiters”选择“Tab”,最后点击“OK”即可完成julei.txt文件的导入。

3.4 数据聚类

如果按照3.3中介绍的步骤导入数据，那么就可以准备数据聚类了。开始聚类有两种途径。第一种是右击项目树中的数据项，在弹出菜单上选择“Cluster”。第二种是数据视图打开后在菜单栏“Data”下选择“Cluster”。

在任一菜单选择“Cluster”后会出现聚类选项对话框，包含用于聚类的所有参数选项。只有特定的选项在一起才有意义。随着用户做出选择，gCLUTO会自动更新对话框以确保选择的合理性。

Cluster Method(聚类方法)有四种：Repeated Bisection(重复二分法)，Direct（直接聚类），Agglomerative（凝聚聚类）和 Graph（图形聚类）。其各自特点如表1所示。用户可根据实际需要选择恰当的聚类方法。

表1 算法特点简述表

聚类算法特点简要介绍

K-way算法遵循重复二分法的系列步骤计算。

整个K-way算法仅仅在一步直接计算。