排列集合的期望最大化聚类、中值和距离：排列的聚类、中值和距离函数-matlab开发

此提交提供了一些用于操作排列（顺序、排名）集（或配置文件）的工具。 函数的帮助中提供了基本理论和参考资料。 PermutationDistance 计算排列或排列组之间的 Kendall tau 距离（或交换或冒泡排序距离）。 MedianPermutation 计算使 Kendall tau 距离之和最小的阶（或多个阶）。 这是 Kemeny-Young 订单，它具有作为共识订单的理想特性。 然而，这是一个计算困难的问题。 这种实现使用了文献中的各种想法来提高效率，但进行了精确的计算，因此它可以处理的排列的长度和数量受到限制。 它在我们的数据上成功运行（作为下面聚类算法的一部分）：长度为 15 的 20 个左右排列的集合。 MallowsClustering 使用参数指数模型（Mallows phi 分布）运行期望最大化 (EM) 算法，以找到表示数据的“最佳”混合模型。 这使用（加权）