matlab调用kmeans_Matlab中Kmeans函数的使用

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