clc;
clear;
%读取数据文件,生成点矩阵
fileID = fopen('D:\matlabFile\data.txt');
C=textscan(fileID,'%f %f');
fclose(fileID);
%显示数组结果
%celldisp(C);
%将cell类型转换为矩阵类型,这里只假设原数据为二维属性,且是二维的坐标点
CC_init=cat(2,C{1},C{2});%用来保存初始加载的值
CC=CC_init;
%获得对象的数量
num=length(C{1});
%显示初始分布图
%scatter(C{1},C{2},'filled');
%%设置任意k个簇
k=3;
%临时存放k个中心点的数组
C_temp=zeros(k,2);
%判断所设置的k值是否小于对象的数量
if k<num
%产生随机的k个整数
randC=randperm(num);
randC=randC(1:k);
%从原数组中提出这三个点
for i=1:k
C_temp(i,:)=CC(randC(1,i),:);
end
%将原数组中的这三个点清空
for j=1:k
CC(randC(1,j),:)=zeros(1,2);
end
idZero=find(CC(:,1)==0);
%删除为零的行
[i1,j1]=find(CC==0);
row=unique(i1);
CC(row,:)=[];
%分配k个二维数组,用来存放聚类点
%分配行为k的存储单元
cluster=cell(k,1,1);
%将剔除的三个点加入到对应的三个存储单元,每个单元的第一行置为0,为了存储相对应的簇中心
for m=1:k
cluster{m}=cat(1,zeros(1,2),C_temp(m,:));
end
%计算其他点到这k个点的距离,然后分配这些点,第一次遍历
for ii=1:num-k
%分别计算到三个点的距离
minValue=1000000;%最小值,要根据实际情况设定该值
minNum=-1;%最小值序号
for jj=1:k
if minValue>sqrt((CC(ii,1)-C_temp(jj,1))*(CC(ii,1)-C_temp(jj,1))+(CC(ii,2)-C_temp(jj,2))*(CC(ii,2)-C_temp(jj,2)))
minValue=sqrt((CC(ii,1)-C_temp(jj,1))*(CC(ii,1)-C_temp(jj,1))+(CC(ii,2)-C_temp(jj,2))*(CC(ii,2)-C_temp(jj,2)));
minNum=jj;
end
end
cluster{minNum}=cat(1,cluster{minNum},CC(ii,:));
end
%初次计算簇中心
for n=1:k
c=cluster{n};
c(1,:)=[];
cluster{n}(1,:)=mean(c,1);
end
%下面重复计算簇中心,直到没有变化为止
flag=1;
count=0;
while flag==1
%将cluster除第一行之外的数据全部清空
for i=1:k
c=cluster{i}(1,:);
cluster{i}=[];
cluster{i}=c;
end
%把所有点重新分簇
for j=1:num
minValue=1000000;%最小值,要根据实际情况设定该值
minNum=-1;%最小值序号
for i=1:k
if minValue>sqrt((CC_init(j,1)-cluster{i}(1,1))*(CC_init(j,1)-cluster{i}(1,1))+(CC_init(j,2)-cluster{i}(1,2))*(CC_init(j,2)-cluster{i}(1,2)))
minValue=sqrt((CC_init(j,1)-cluster{i}(1,1))*(CC_init(j,1)-cluster{i}(1,1))+(CC_init(j,2)-cluster{i}(1,2))*(CC_init(j,2)-cluster{i}(1,2)));
minNum=i;
end
end
cluster{minNum}=cat(1,cluster{minNum},CC_init(j,:));
end
%再次计算簇中心,并与原簇中心进行比较
flag1=1;
for n=1:k
c_base=cluster{n}(1,:);
c=cluster{n};
c(1,:)=[];
cluster{n}(1,:)=mean(c,1);
c_base=c_base-cluster{n}(1,:);
if c_base~=0
flag1=0;
end
end
if flag1==0
flag=1;
else
flag=0;
end
count=count+1;
end
%绘制聚类结果
for i=1:k
scatter(cluster{i}(:,1),cluster{i}(:,2),'filled');
hold on
end
end
clear;
%读取数据文件,生成点矩阵
fileID = fopen('D:\matlabFile\data.txt');
C=textscan(fileID,'%f %f');
fclose(fileID);
%显示数组结果
%celldisp(C);
%将cell类型转换为矩阵类型,这里只假设原数据为二维属性,且是二维的坐标点
CC_init=cat(2,C{1},C{2});%用来保存初始加载的值
CC=CC_init;
%获得对象的数量
num=length(C{1});
%显示初始分布图
%scatter(C{1},C{2},'filled');
%%设置任意k个簇
k=3;
%临时存放k个中心点的数组
C_temp=zeros(k,2);
%判断所设置的k值是否小于对象的数量
if k<num
%产生随机的k个整数
randC=randperm(num);
randC=randC(1:k);
%从原数组中提出这三个点
for i=1:k
C_temp(i,:)=CC(randC(1,i),:);
end
%将原数组中的这三个点清空
for j=1:k
CC(randC(1,j),:)=zeros(1,2);
end
idZero=find(CC(:,1)==0);
%删除为零的行
[i1,j1]=find(CC==0);
row=unique(i1);
CC(row,:)=[];
%分配k个二维数组,用来存放聚类点
%分配行为k的存储单元
cluster=cell(k,1,1);
%将剔除的三个点加入到对应的三个存储单元,每个单元的第一行置为0,为了存储相对应的簇中心
for m=1:k
cluster{m}=cat(1,zeros(1,2),C_temp(m,:));
end
%计算其他点到这k个点的距离,然后分配这些点,第一次遍历
for ii=1:num-k
%分别计算到三个点的距离
minValue=1000000;%最小值,要根据实际情况设定该值
minNum=-1;%最小值序号
for jj=1:k
if minValue>sqrt((CC(ii,1)-C_temp(jj,1))*(CC(ii,1)-C_temp(jj,1))+(CC(ii,2)-C_temp(jj,2))*(CC(ii,2)-C_temp(jj,2)))
minValue=sqrt((CC(ii,1)-C_temp(jj,1))*(CC(ii,1)-C_temp(jj,1))+(CC(ii,2)-C_temp(jj,2))*(CC(ii,2)-C_temp(jj,2)));
minNum=jj;
end
end
cluster{minNum}=cat(1,cluster{minNum},CC(ii,:));
end
%初次计算簇中心
for n=1:k
c=cluster{n};
c(1,:)=[];
cluster{n}(1,:)=mean(c,1);
end
%下面重复计算簇中心,直到没有变化为止
flag=1;
count=0;
while flag==1
%将cluster除第一行之外的数据全部清空
for i=1:k
c=cluster{i}(1,:);
cluster{i}=[];
cluster{i}=c;
end
%把所有点重新分簇
for j=1:num
minValue=1000000;%最小值,要根据实际情况设定该值
minNum=-1;%最小值序号
for i=1:k
if minValue>sqrt((CC_init(j,1)-cluster{i}(1,1))*(CC_init(j,1)-cluster{i}(1,1))+(CC_init(j,2)-cluster{i}(1,2))*(CC_init(j,2)-cluster{i}(1,2)))
minValue=sqrt((CC_init(j,1)-cluster{i}(1,1))*(CC_init(j,1)-cluster{i}(1,1))+(CC_init(j,2)-cluster{i}(1,2))*(CC_init(j,2)-cluster{i}(1,2)));
minNum=i;
end
end
cluster{minNum}=cat(1,cluster{minNum},CC_init(j,:));
end
%再次计算簇中心,并与原簇中心进行比较
flag1=1;
for n=1:k
c_base=cluster{n}(1,:);
c=cluster{n};
c(1,:)=[];
cluster{n}(1,:)=mean(c,1);
c_base=c_base-cluster{n}(1,:);
if c_base~=0
flag1=0;
end
end
if flag1==0
flag=1;
else
flag=0;
end
count=count+1;
end
%绘制聚类结果
for i=1:k
scatter(cluster{i}(:,1),cluster{i}(:,2),'filled');
hold on
end
end