1. 引言\n\n层次聚类（Hierarchical Clustering）是一种常见的无监督学习方法，通过构建树状结构（树状图）来展示数据点之间的相似性关系。“聚类网络”在此特指结合网络可视化技术展示聚类结果，尤其在R语言中，可通过网络图增强聚类结果的直观性。本文使用R语言对经典的鸢尾花（iris）数据集进行层次聚类分析，并可视化其聚类网络。\n\n## 2. 数据准备\n\n鸢尾花数据集包含150个样本，4个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）和1个类别标签（3个品种：setosa、versicolor、virginica）。\n\n`r\n# 加载数据集\ndata(iris)\n# 查看数据结构\nstr(iris)\n`\n\n## 3. 层次聚类分析\n\n### 3.1 距离矩阵计算\n\n使用欧氏距离计算样本间的相异度矩阵。\n\n`r\n# 标准化数据（避免量纲影响）\nirisscaled <- scale(iris[,1:4])\n# 计算距离矩阵\ndistmatrix <- dist(iris_scaled, method = \