调用实例：

参数列表如下：

Z代表了利用“关联函数”关联好的数据。 比如上面的调用实例就是使用欧式距离来生成距离矩阵，并对矩阵的距离取平均 这里可以使用不同的距离公式

t这个参数是用来区分不同聚类的阈值，在不同的criterion条件下所设置的参数是不同的。 比如当criterion为’inconsistent’时，t值应该在0-1之间波动，t越接近1代表两个数据之间的相关性越大，t越趋于0表明两个数据的相关性越小。这种相关性可以用来比较两个向量之间的相关性，可用于高维空间的聚类

depth 代表了进行不一致性(‘inconsistent’)计算的时候的最大深度，对于其他的参数是没有意义的，默认为2

criterion这个参数代表了判定条件，这里详细解释下各个参数的含义： 1. 当criterion为’inconsistent’时，t值应该在0-1之间波动，t越接近1代表两个数据之间的相关性越大，t越趋于0表明两个数据的相关性越小。这种相关性可以用来比较两个向量之间的相关性，可用于高维空间的聚类 2. 当criterion为’distance’时，t值代表了绝对的差值，如果小于这个差值，两个数据将会被合并，当大于这个差值，两个数据将会被分开。 3. 当criterion为’maxclust’时,t代表了最大的聚类的个数，设置4则最大聚类数量为4类，当聚类满足4类的时候，迭代停止 4. 当criterion为’monocrit’时，t的选择不是固定的，而是根据一个函数monocrit[j]来确定。例如例如，对最大平均距离的阈值在不一致矩阵r中计算阈值0.8，可以这样写，