利用K-means聚类算法根据经纬度坐标对中国省市进行聚类

最新推荐文章于 2024-09-02 14:39:58 发布

LLG_llg_llg

最新推荐文章于 2024-09-02 14:39:58 发布

阅读量2.7w

点赞数 12

分类专栏： matlab 数据挖掘文章标签： matlab

本文链接：https://blog.csdn.net/llg_llg_llg/article/details/53192840

版权

本文介绍了如何使用K-means聚类算法，基于经纬度坐标对中国省市进行聚类分析。通过MATLAB实现，程序运行得出聚类结果，展示了不同省市在地理上的相似性。

摘要由CSDN通过智能技术生成

K-means聚类算法是一种非层次聚类算法，在最小误差的基础上将数据划分了特定的类，类间利用距离作为相似度指标，两个向量之间的距离越小，其相似度就越高。程序读取全国省市经纬度坐标，然后根据经纬度坐标进行K-means聚类分析。

%% 读入全国省市经纬度坐标  
clear;  
% 初始化参数  
coordinate_file = 'lat_lng.xlsx'; % 经纬度坐标  
[num,txt] = xlsread(coordinate_file);  
%% 基本信息获取  
Lat=num(1:end,1);  
Lng=num(1:end,2);  
  
Max_lat=max(Lat);  
Min_lat=min(Lat);  
Max_lng=max(Lng);  
Min_lng=min(Lng);  
  
figure(1);  
plot(Lng,Lat,'b.','markersize',6);  
  
%% 聚类分析  
[type,center]=kmeans(num,7);  
rows=size(center,1);  
for i=1:rows  
    fprintf('聚类号为%1.f的聚类中心坐标为：%f,%f\n',i,center(i,1),center(i,2));  
end  
h=figure(2);  
hold on;  
plot(Lng(type