matlab对一维数据进行K-means聚类离散化并显示，目前，数据挖掘技术十分热门，数据挖掘中有一种关联规则挖掘方法，在关联规则挖掘前需要将采集的连续数据离散化才行。。
MATLAB系统聚类分析的使用，系统聚类是将一定数量的样本数据看成一类，然后根据样品的亲疏程度，将亲疏程度最高的两类进行合并，然后将合并的类与其它类之间的亲疏程度，再。
求matlab聚类分析的代码 %k均值聚类的示例代码：X=[randn(100，2)+ones(100，2)；randn(100，2)-ones(100，2)]；opts=statset('Display'，'final')；[idx，ctrs]=kmeans(X，2，.'Distance'，'city'，.'Replicates'，5，.'Options'，opts)；5 iterations，total sum of distances=284.6714 iterations，total sum of distances=284.6714 iterations，total sum of distances=284.6713 iterations，total sum of distances=284.6713 iterations，total sum of distances=284.671plot(X(idx=1，1)，X(idx=1，2)，'r.'，'MarkerSize'，12)hold onplot(X(idx=2，1)，X(idx=2，2)，'b.'，'MarkerSize'，12)plot(ctrs(：，1)，ctrs(：，2)，'kx'，.'MarkerSize'，12，'LineWidth'，2)plot(ctrs(：，1)，ctrs(：，2)，'ko'，.'MarkerSize'，12，'LineWidth'，2)legend('Cluster 1'，'Cluster 2'，'Centroids'，.'Location'，'NW')你可以help下cluster，matlab里面还自带很多这种例子
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；。
