1702659060
④找出D（1）中非对角线最小元素，是1.5，则将相应的两类G3和G6合并为G7={X1，X2，X3}，然后按计算公式计算各类与G7的距离，即将G3、G6相应的两行两列归并为一行一列，新的行列由原来的两行两列中较小的一个组成，得距离阵D（2）计算结果，如图12.4所示。
1702659061
1702659062
1702659063
1702659064
1702659065
图12.4 距离阵D（2）计算结果
1702659066
1702659067
⑤找出D（2）中非对角线最小元素，是2，则将G4与G5合并成G8={X4，X5}，最后按公式计算G7与G8的距离，即将G4、G5相应的两行两列归并成一行一列，新的行列由原来的两行两列中较小的一个组成，得距离阵D（3）计算结果，如图12.5所示。
1702659068
1702659069
1702659070
1702659071
1702659072
图12.5 距离阵D（3）计算结果
1702659073
1702659074
至此，已将5个样本成功分为两类：{X1，X2，X3}与{X4，X5}，即用最短距离法得出X1，X2，X3性质更加相近，X4，X5性质更加相近。
1702659075
1702659076
再例如，以示例2提供的原始数据为例，运用最短距离聚类法对该数据文件进行聚类分析。
1702659077
1702659078
示例2：
1702659079
1702659080
假定以某玻璃制造厂关于环境污染抽样检测中的9项数据指标，通过绝对值距离公式
1702659081
1702659082
1702659083
1702659084
1702659085
计算而得出其距离阵后，运用最短距离聚类法，对该玻璃制造厂关于环境污染抽样检测的9项数据指标进行聚类分析。原始数据的距离阵如图12.6所示。
1702659086
1702659087
1702659088
1702659089
1702659090
图12.6 示例2原始数据距离阵
1702659091
1702659092
运用最短距离聚类法进行聚类分析，具体操作步骤如下：
1702659093
1702659094
①在图12.6所示的9×9阶距离阵D中，非对角线元素中最小者是d94=0.51，首先将第4区与第9区并为一类，记为G10=｛G4，G9｝。按照计算公式drk=min{dpk，dqk}（k≠p,q）分别计算G1、G2、G3、G5、G6、G7、G8与G10之间的距离，得：
1702659095
1702659096
d1，10=min｛d14，d19｝=min｛2.19，2.62｝=2.19
1702659097
1702659098
d2，10=min｛d24，d29｝=min｛1.47，1.66｝=1.47
1702659099
1702659100
d3，10=min｛d34，d39｝=min｛1.23，1.20｝=1.20
1702659101
1702659102
d5，10=min｛d54，d59｝=min｛4.77，4.84｝=4.77
1702659103
1702659104
d6，10=min｛d64，d69｝=min｛2.99，3.06｝=2.99
1702659105
1702659106
d7，10=min｛d74，d79｝=min｛4.06，3.32｝=3.32
1702659107
1702659108
d8，10=min｛d84，d89｝=min｛1.29，1.40｝=1.29
1702659109