自适应k均值 matlab 代码,求自适应k均值聚类算法 matlab

满意答案

许位11

2013.04.29

采纳率：46%    等级：12

已帮助：8662人

function group=Kmeans(k,mid)

%K均值聚类算法

person=load('sample.txt','height','weight');%从文本文件读入数据放入person结构体中

% person=person(1:10,:);

num=size(person,1);%获得person结构体大小

for i=1:k%赋初始值，划分为k类，每类只有选定的k个对象中的一个对象，每类的中心为选定的k个对象的值

class{i}(1)=mid(i);

middle(i,1)=person(mid(i),1);

middle(i,2)=person(mid(i),2);

end

distance=ComputDistance(person,middle,num,k);%计算每个样本跟各类中心的距离

temp=cell(size(class));

flag=isSL(temp,class,k);

while flag==0%当分类不收敛的时候

temp=class;

class=cell(size(temp));

for i=1:num

[value,index]=min(distance(i,:)); %找到每个样本距离哪个类最近

dtemp=[i];

class{index}=[class{index},dtemp]; %将该样本划分到距离最近的类中

end

middle=ComputMid(person,class,k);%重新计算各类中心点

distance=ComputDistance(person,middle,num,k);%重新计算各样本与各类的距离

flag=isSL(temp,class,k);%判断当前类有没有变化

end

celldisp(class)

for i=1:k

group{i}=person(class{i}(:),:);

end

for i=1:k

covMat=cov(group{i});

fprintf('第%d类的均值向量为：\n',i);

disp(middle(i,:))

fprintf('第%d类的协方差矩阵为：\n',i);

disp(covMat)

end

function m=ComputMid(person,class,k)

%计算各类中心点

%结果返回到m矩阵中

for i=1:k

length=size(class{i},1);

csum1=0;

csum2=0;

for j=1:length

csum1=csum1+person(class{i}(j),1);

csum2=csum2+person(class{i}(j),2);

end

m(i,1)=csum1/length;

m(i,2)=csum2/length;

% m(i,1)=sum(person(class{i}(:),1))/size(class{i},1);

% m(i,2)=sum(person(class{i}(:),2))/size(class{i},1);

end

function d=ComputDistance(person,middle,num,k)

%计算每个样本跟各类中心的距离

%结果返回到d矩阵中

for i=1:num

for j=1:k

d(i,j)=sqrt((person(i,1)-middle(j,1)).^2+(person(i,2)-middle(j,2)).^2);

end

end

function flag=isSL(temp,class,k)

%判断当前类有没有变化即是否收敛

%有变化则返回0，否则返回1

for i=1:k

if size(temp{i},1)==size(class{i},1)

for j=1:size(class{i},1)

if temp{i}(j)~=class{i}(j)

flag=0;

return;

end

end

flag=1;

else

flag=0;

return;

end

end

53分享举报