K-means聚类算法

K-means聚类算法

1．1 题目的主要研究内容（宋体四号加粗左对齐）

1. K-means算法原理推导并分析
2. MATLAB自带K-means函数分析

（3）基于MATLAB的算法分析，使用轮廓SC来量化两种方法

1．2 题目研究的工作基础或实验条件

（1）Windows10

（2）MATLAB 2018

1．3 设计思想

K-means算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。

K-mean算法步骤如下：

（1）随机选取K个样本为中⼼

（2）分别计算所有样本到随机选取的K个中⼼的距离

（3）样本离哪个中⼼近就被分到哪个中⼼

（4）计算各个中⼼样本的均值（最简单的⽅法就是求样本每个维度的平均值）作为新的中心

（5）重复（2）（3）（4）直到新的中⼼和原来的中⼼基本不变化的

时候，算法结束

1．4 流程图

         

1．5 主要程序代码

%% 原理推导K均值

[m,n]=size(data);%求出横纵坐标长度

cluster_num=4;%设置聚类数