Matlab中Kmeans函数的使用

《Matlab中Kmeans函数的使用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Matlab的K-均值聚类Kmeans函数K-means聚类算法采用的是将N*P的矩阵X划分为K个类，使得类内对象之间的距离最大，而类之间的距离最小。使用方法：Idx=Kmeans(X,K)[Idx,C]=Kmeans(X,K)[Idc,C,sumD]=Kmeans(X,K)[Idx,C,sumD,D]=Kmeans(X,K)各输入输出参数介绍：X---N*P的数据矩阵K---表示将X划分为几类，为整数Idx---N*1的向量，存储的是每个点的聚类标号C---K*P的矩阵，存储的是K个聚类质心位置sumD---1*K的和向量，存储的是类间所有点与该类质心点距离之和D

2、---N*K的矩阵，存储的是每个点与所有质心的距离[┈]=Kmeans(┈,’Param1’,’Val1’,’Param2’,’Val2’,┈)其中参数Param1、Param2等，主要可以设置为如下：1、’Distance’---距离测度‘sqEuclidean’---欧氏距离‘cityblock’---绝对误差和，又称L1‘cosine’---针对向量‘correlation’---针对有时序关系的值‘Hamming’---只针对二进制数据2、’Start’---初始质心位置选择方法‘sample’---从X中随机选取K个质心点‘uniform’---根据X的分

3、布范围均匀的随机生成K个质心‘cluster’---初始聚类阶段随机选取10%的X的子样本（此方法初始使用’sample’方法）Matrix提供一K*P的矩阵，作为初始质心位置集合3、’Replicates’---聚类重复次数，为整数使用案例：data=5.03.51.30.3-15.52.64.41.206.73.15.62.415.03.31.40.2-15.93.05.11.815.82.64.01.20[Idx,C,sumD,D]=Kmeans(data,3,’dist’,’sqEuclidean’,’rep’,4)运行结果：Idx=    1    2  

4、  3    1    3    2C=  5.0000  3.4000  1.3500  0.2500  -1.0000  5.6500  2.6000  4.2000  1.2000      06.3000  3.0500  5.3500  2.1000  1.0000sumD=  0.0300  0.1250  0.6300D=  0.0150  11.4525  25.5350  12.0950  0.0625  3.5550  29.6650  5.7525  0.3150  0.0150  10.7525  24.9650  21.4350  2.39

5、25  0.3150  10.2050  0.0625  4.0850