Пример. Проиллюстрируем работу описанного алгоритма с использованием метода ближайшего соседа для следующих исходных данных:

Проиллюстрируем работу описанного алгоритма с использованием метода ближайшего соседа для следующих исходных данных:

А={а₁, а₂, а₃, а₄}, отображение целевого сходства g задано матрицей

Начальное разбиение R₀={{а₁}, {а₂}, {а₃}, {а₄}}. Максимальное сходство между А₃ и А₄ равно 0.9, что требует объединения указанных кластеров в один и построение нового разбиения R₁={{а₁}, {а₂}, {а_3, а₄}}. Произведем пересчет целевого сходства для нового разбиения методом ближайшего соседа:

.

Максимальное сходство между А₁={а₁} и А^’₃={ а_3, а₄} равно 0.8, что требует объединения указанных кластеров в один и построение нового разбиения R₂={{а₂}, {а₁, а_3, а₄}}. Произведем пересчет целевого сходства для нового разбиения методом ближайшего соседа:

.

Последнее объединение всех задач в исходное множество А={а₁, а₂, а₃, а₄} со значением целевого сходства 0.7.

Полученное иерархическое разбиения T_g изображается графичес­ки (рис. 7) в виде графа специального вида, получившего название дендрограммы (ребра графа идут параллельно вертикаль­ной оси, которая изображает целевое сходство кластеров разби­ений различных уровней).