Представьте график горизонтального иерархического дерева, в левой части графика в каждом кластере содержится по одному объекту. Теперь вообразите, что на каждом шаге, мы "ослабляем" наш критерий относительно существующих и не уникальных свойств объектов. Короче говоря, мы снижаем наш порог, от которого зависит объявить или нет несколько объектов членами одного кластера. В результате мы связываем вместе все больше и больше объектов и объединяем все большие и большие кластеры элементы, которых становятся все менее похожими друг на друга. На последнем шаге, все объекты объединяются вместе. На этих графиках, горизонтальная ось обозначает расстояние (на вертикальных графиках, вертикальная ось обозначает расстояние).
Таким образом, для каждого узла в графе (означающего формирование очередного кластера) мы можем установить критическое расстояние, при котором соответствующие элементы были связаны вместе в один новый кластер. Когда данные имеют некую структуру (в понимании кластеров как группы схожих объектов), эта структура будет отражена в иерархическом дереве, в виде различных ветвей. Как результат анализа методом объединяющимся, мы можем выделить различные кластеры (ветви) и интерпретировать эти ветви в дальнейшем.
