kmeans聚类(Matlab实现)

kmean算法代码

function  [Idx,C,D]=my_kmeans(X,c)
%%k-均值分类
%输入:X样本集 c聚类簇数
%输出:Idx聚类标志 C聚类中心 D每个点到质心的聚类

[m,n]=size(X);%样本数m,样本维数

%从X中随机选择选择c个样本作为初始向量

center = X(ceil(rand(c,1)*m),:);%产生随机数[0~1],并放大至[0~m],用ceil向上取整数,使产生c个[1~m]的随机整数
k=0
while 1
    k=k+1
%%计算样本与各质心的距离
    d = zeros(m,c);
    new_center = zeros(c,n);%新的质心
    
    for i = 1 : c
        d(:,i) = sqrt(sum(bsxfun(@minus,X,center(i,:)).^2,2));
    end
    
    
%%根据最近的均值向量确定簇标志
    [~,Idx]=min(d,[],2);
 
%%计算新的均值向量
    for i = 1 : c
        id = (Idx==i);%i类
        new_center(i,:) = sum(X.*id)/sum(id);
    end
    if new_center==center %如果当前均值向量不变
        C = center;%C聚类中心
        D = d;%样本与各质心的距离
        break;
    else%当前均值向量改变，则更新当前均值向量
        center=new_center;
    end
end

end

每次迭代的时间复杂度为O（c），c为聚类类数

绘图

function MyPlot(X,k,C,Idx)
%%绘图
%%根据矩阵的维度绘出图像
%%k聚类簇数 Idx聚类标志

[M,N]=size(X);

if N==2 %二维图像
    hold on
    title('二维聚类')
    color=rand(k,3);%随机生成k种颜色
    for i =1:M
        plot(X(i,1),X(i,2),'*','Color',color(Idx(i),:))
    end
    
    plot(C(:,1),C(:,2),'o')%绘制聚类中心
    
    xlabel('x')
    ylabel('y')
    
elseif N==3%三维图像
    color=rand(k,3);%随机生成k种颜色
    for i =1:M
        plot3(X(i,1),X(i,2),X(i,3),'*','Color',color(Idx(i),:))
        hold on
    end
    title('三维聚类')
    plot3(C(:,1),C(:,2),C(:,3),'ro')%绘制聚类中心
    
    xlabel('x')
    ylabel('y')
    zlabel('z')
elseif N==1%一维图像
    color=rand(k,3);%随机生成k种颜色
    Y=zeros(size(X));
    for i =1:M
        plot(X(i),Y,'*','Color',color(Idx(i),:)) 
    end
    plot(C(:),Y,'o')%绘制聚类中心
end
end

主函数测试

figure(1)
%%三维聚类
X = rand(100,2);
c=3;
[Idx,C,D]=my_kmeans(X,c)
MyPlot(X,c,C,Idx)


figure(2)
%%三维聚类
X = rand(100,3);
c=3;
[Idx,C,D]=my_kmeans(X,c)
MyPlot(X,c,C,Idx)

运行结果