kmeans++

k-means算法

k-means初始簇中心的位置会严重影响到聚类算法的最终结果。k-means++算法仅仅只是在初始化簇中心的方式上做了改进，其它地方同聚类算法一样

 k-means++算法

function [K_center,seed]=kmeansjia(data,K,LOOP)
%该算法是对kmeans的改进，性能优于kmeans
% data是待分类的数据,尺寸为 (dim*N)，dim代表每个样本的维数，N代表样本个数
% K 是设定的聚类数量，即把N个样本分成K类，每一类内部的差别小，各类之间的差别大

%首先，确定K个初始聚类中心，这些聚类中心均来源于原始的N个样本
[dim,N]=size(data);
K_center=zeros(dim,K);

seed=[];
str=round(rand(1,1)*N);
seed=[seed,data(:,str)];  %随机选择的第一个聚类中心
for k=2:1:K
    num_seed=size(seed,2);
    Dis_temp=zeros(k,N);
    d_min=zeros(1,N);
    for i=1:1:N
        d_min(1,i)=(seed(:,1)-data(:,i))'*(seed(:,1)-data(:,i));
        for