matlab-kmeans,自制

最新推荐文章于 2024-06-07 12:28:09 发布

KYkankankan

最新推荐文章于 2024-06-07 12:28:09 发布

阅读量372

点赞数

分类专栏：机器学习文章标签： matlab k-means

本文链接：https://blog.csdn.net/KYkankankan/article/details/79857294

版权

这是一个自编的 MATLAB K-Means 聚类算法函数，用于对输入数据集进行聚类。函数接受数据、类别数、迭代次数和误差变化量作为参数，返回类中心、类别标签和类内距离和。文章中还提到在2012版MATLAB中使用内置 kmeans 函数出现错误，并请求帮助解决。

摘要由CSDN通过智能技术生成

function [c,label,dist_k]=self_kmeans(data,k,iter,err)
%data 输入数据集（全自变量）
%k 类数
%iter 迭代数
%err 误差变化量
%c 返回的各类中心（向量）
%label 返回的各数据类别
%dist_k 返回各个类内距离和
[m,n]=size(data);%返回data的行，列数
c=zeros(k,n);
dist_k=[];
label=zeros(m,1);
data=[data,label];
dist=zeros(m,k);
%选定初试类中心
for i=1:k
    c(i,:)=data(i,1:n);
end
for t=1:iter
    for i=1:k
        for j=1:m
            dist(j,i)=sqrt(sum((data(j,1:n)-c(i,:)).^2));
            
        end
    end
    %disp(dist)
    for j=1:m
        [d,l]=sort(dist(j,:));
        label(j,1)=l(1);
        data(j,end)=label(j,1);%上标签  
    end   
    dist_kk=[];
    for i=1:k    
        %统计各个簇类的误差和
        dist_kk=[dist_kk,sum(dist(data(:,end)==i,i))];
    end
    %统计每次所有簇误差总和
    dist_k=[dist_k,sum(dist_kk)];
    if length(dist_k)>=2
        err1=abs(dist_k(length(dist_k)-1)-dist_k(length(dist