Matlab中Kmeans函数的使用.docx

下载文档

42
0
约1.23千字
约 3页
2017-05-28 发布于河南
举报
版权申诉
保障服务

Matlab中Kmeans函数的使用.docx

1、本文档共3页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

Matlab中Kmeans函数的使用

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(┈,’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= 5.0 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 0[Idx,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