kmeans聚类算法matlab的难点,K-means面临的问题以及解决办法 - K均值聚类算法的MATLAB实现...

K-means面临的问题以及解决办法：

1.它不能保证找到定位聚类中心的最佳方案，但是它能保证能收敛到某个解决方案(不会无限迭代)。

解决方法：多运行几次K-means，每次初始聚类中心点不同，最后选择方差最小的结果。

2.它无法指出使用多少个类别。在同一个数据集中，例如上图例，选择不同初始类别数获得的最终结果是不同的。

解决方法：首先设类别数为1，然后逐步提高类别数，在每一个类别数都用上述方法，一般情况下，总方差会很快下降，直到到达一个拐点；这意味着再增加一个聚类中心不会显著减少方差，保存此时的聚类数。

MATLAB函数Kmeans

使用方法：

Idx=Kmeans(X，K)

［Idx，C］=Kmeans(X，K)

［Idx，C，sumD］=Kmeans(X，K)

［Idx，C，sumD，D］=Kmeans(X，K)

［…］=Kmeans(…，’Param1’，Val1，’Param2’，Val2，…)

各输入输出参数介绍：

X： N*P的数据矩阵，N为数据个数，P为单个数据维度

K： 表示将X划分为几类，为整数

Idx： N*1的向量，存储的是