如何编写求K-均值聚类算法的Matlab程序？ 在聚类分析中，K-均值聚类算法（k-means algorithm）是无监督分类中的一种基本方法，其也称为C-均值算法，其基本思想是：通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。假设要把样本集分为c个类别，算法如下：（1）适当选择c个类的初始中心；（2）在第k次迭代中，对任意一个样本，求其到c个中心的距离，将该样本归到距离最短的中心所在的类，（3）利用均值等方法更新该类的中心值；（4）对于所有的c个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变，则迭代结束，否则继续迭代。下面介绍作者编写的一个分两类的程序，可以把其作为函数调用。function[samp1，samp2]=kmeans(samp)；作为调用函数时去掉注释符 samp=[11.1506 6.7222 2.3139 5.9018 11.0827 5.7459 13.2174 13.8243 4.8005 0.9370 12.3576]；样本集[l0 l]=size(samp)；利用均值把样本分为两类，再将每类的均值作为聚类中心 th0=mean(samp)；n1=0；n2=0；c1=0.0；c1=double(c1)；c2=c1；for i=1：lif samp(i)(i)；n1=n1+1；elsec2=c2+samp(i)；n2=n2+1；endendc1=c1/n1；c2=c2/n2；初始聚类中心t=0；cl1=c1；cl2=c2；c11=c1；c22=c2；聚类中心while t=0samp1=zeros(1，l)；samp2=samp1；n1=1；n2=1；。
matlab中聚类算法 聚类分析的概念主要是来自多元统计分析，例如，考虑二维坐标系上有散落的许多点，这时，需要对散点进行合理的分类，就需要聚类方面的知识。模糊聚类分析方法主要针对的是这样的问题：对于样本空间P中的元素含有多个属性，要求对其中的元素进行合理的分类。最终可以以聚类图的形式加以呈现，而聚类图可以以手式和自动生成两种方式进行，这里采用自动生成方式，亦是本文的程序实现过程中的一个关键环节。这里所实现的基本的模糊聚类的主要过程是一些成文的方法，在此简述如下：对于待分类的一个样本集U=，设其中的每个元素有m项指标，则可以用m维向量描述样本，即：ui=(i=1，2，.，n)。则其相应的模糊聚类按下列步骤进行：1）标准化处理，将数据压缩至(0-1)区间上，这部分内容相对简单，介绍略。(参[1])2）建立模糊关系：这里比较重要的环节之一，首先是根据“距离”或其它进行比较的观点及方法建立模糊相似矩阵，主要的“距离”有：Hamming 距离：d(i，j)=sum(abs(x(i，k)-x(j，k)))|k from 1 to m(|k from 1 to m表示求和式中的系数k由1增至m，下同)Euclid 距离：d(i，j)=sum((x(i，k)-x(j，k))^2)|k from 1 to m 非距离方法中，最经典的就是一个夹角余弦法：最终进行模糊聚类。
有谁用matlab做过聚类算法 热心网友聚类分析的概念主要是来自多元统计分析，例如，考虑二维坐标系上有散落的许多点，这时，需要对散点进行合理的分类，就需要聚类方面的知识。模糊聚类分析方法主要针对的是这样的问题：对于样本空间P中的元素含有多个属性，要求对其中的元素进行合理的分类。最终可以以聚类图的形式加以呈现，而聚类图可以以手式和自动生成两种方式进行，这里采用自动生成方式，亦是本文的程序实现过程中的一个关键环节。这里所实现的基本的模糊聚类的主要过程是一些成文的方法，在此简述如下：对于待分类的一个样本集U=，设其中的每个元素有m项指标，则可以用m维向量描述样本，即：ui=(i=1，2，.，n)。则其相应的模糊聚类按下列步骤进行：1）标准化处理，将数据压缩至(0-1)区间上，这部分内容相对简单，介绍略。(参[1])2）建立模糊关系：这里比较重要的环节之一，首先是根据“距离”或其它进行比较的观点及方法建立模糊相似矩阵，主要的“距离”有：Hamming 距离：d(i，j)=sum(abs(x(i，k)-x(j，k)))|k from 1 to m(|k from 1 to m表示求和式中的系数k由1增至m，下同)Euclid 距离：d(i，j)=sum((x(i，k)-x(j，k))^2)|k from 1 to m 非距离方法中，最经典的就是一个夹角余弦法：最终进
怎么用Matlab计算聚类算法的正确率问题 我把K-mediods的matlab代码贴出来，你好好学习7a686964616fe58685e5aeb931333431353430一下function label=kmedoids(data，k，start_data)kmedoids k中心点算法函数data 待聚类的数据集，每一行是一个样本数据点k 聚类个数start_data 聚类初始中心值，每一行为一个中心点，有cluster_n行class_idx 聚类结果，每个样本点标记的类别初始化变量n=length(data)；dist_temp1=zeros(n，k)；dist_temp2=zeros(n，k)；last=zeros(n，1)；a=0；b=0；if nargin=3centroid=start_data；elsecentroid=data(randsample(n，k)，：)；endfor a=1：ktemp1=ones(n，1)*centroid(a，：)；dist_temp1(：，a)=sum((data-temp1).^2，2)；end[~，label]=min(dist_temp1，[]，2)；while any(label~=last)for a=1：ktemp2=ones(numel(data(label=a))，1)；temp3=data(label=a)；for b=1：ntemp4=temp2*data(b，：)；temp5=sum((temp3-temp4).^2，2)；dist_temp2(b，a)=sum(temp5，1)；endend[~，centry_indx]=min(dist_temp2，[]，1)；last=label；centroid=data(centry_indx，：)；for a=1：ktemp1=ones(n，1)*centroid(a，：)；dist_temp1(：，a)=sum((data-temp1).^2，2)；end[~，label]=min(dist_temp1，[]，2)；endend
OPTICS聚类算法的matlab实现 OPTICS聚类算法代码，从http：//www.pudn.com/downloads238/sourcecode/math/detail1113278.html该处下载。Function：%[RD，CD，order]=optics(x，k)%-%Aim：%Ordering objects 。
聚类分析中有哪些算法是不用事先确定分类数的，最好是matlab上能用的 常用的是系统聚类法函数为：collectAnaly(X)；X 为样本矩阵。
