《Matlab中Kmeans函数的使用.docx》由会员分享，可在线阅读，更多相关《Matlab中Kmeans函数的使用.docx（3页珍藏版）》请在金锄头文库上搜索。
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-N*K的矩阵，存储的是每个点与所有质心的距离=Kmeans
2、(,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L1cosine-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、Replicat
3、es-聚类重复次数，为整数使用案例：data= 5.0 3.5 1.3 0.3 -15.5 2.6 4.4 1.2 06.7 3.1 5.6 2.4 15.0 3.3 1.4 0.2 -15.9 3.0 5.1 1.8 15.8 2.6 4.0 1.2 0Idx,C,sumD,D=Kmeans(data,3,dist,sqEuclidean,rep,4)运行结果：Idx = 1 2 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 2.3925 0.3150 10.2050 0.0625 4.0850
