Matlab
的
K-
均值聚类
Kmeans
函数
K-means
聚类算法采用的是将
N*P
的矩阵
X
划分为
K
个类,使得类内对象之间的距离
最大,而类之间的距离最小。
使用方法:
Idx=Kmeans(X,K)
[Idx,C]=Kmeans(X,K)
[Idc,C,sumD]=Kmeans(X,K)
[Idx,C,sumD,D]=Kmeans(X,K)
各输入输出参数介绍:
X---N*P
的数据矩阵
K---
表示将
X
划分为几类,为整数
Idx---N*1
的向量,存储的是每个点的聚类标号
C---K*P
的矩阵,存储的是
K
个聚类质心位置
sumD---1*K
的和向量,存储的是类间所有点与该类质心点距离之和
D---N*K
的矩阵,存储的是每个点与所有质心的距离
[
┈
]=Kmeans(
┈
,’Param1’,’Val1’,’Param2’,’Val2’,
┈
)
其中参数
Param1
、
Param2
等,主要可以设置为如下:
1
、
’Distance’
---
距离测度
‘sqEuclidean’
---
欧氏距离
‘cityblock’
---
绝对误差和,又称
L1
‘cosine’
---
针对向量
‘correlation’
---
针对有时序关系的值
‘Hamming’
---
只针对二进制数据
2
、
’Start’
---
初始质心位置选择方法