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