MATLAB数据分析方法_()资料.ppt

从 开始再进行分类,将样品作新的分类，记 得到一个新的分类 依次重复计算下去. (3) 重复上述步骤　次得 其中 是类 的重心.　 不一定是样品. 当 逐渐增大时，分类趋于稳定. 同时 可以近似地看作 的重心， 即 ，此时结束计算. 实际计算时，若对某一个m, 与 相同，则结束计算. MATLAB软件中实现K-均值聚类的命令是kmeans, 其调用格式 IDX = kmeans( (X, K) 功能是将原始数据矩阵X聚成K类，使得样本到类重心距离和 最小，使用欧氏平方距离。其中输入X为原始观测数据，行为 个体，列为指标。输出IDX为N行1列的列向量，包含每个样品 属于哪一类的信息，类似于Cluster的输出结果。 例6.2.5 从12不同地区测得了某树种的平均发芽率 与发芽势 表6.2 12个地区某树种发芽情况 0.723 0.580 0.465 0.675 0.353 0.713 0.380 0.605 0.343 0.505 0.433 0.385 0.777 0.740 0.633 0.815 0.513 0.877 0.533 0.688 0.717 0.693 0.600 0.707 12 11 10 9 8 7 6 5 4 3 2 1 地区 ，数据如下 采用欧氏距离，将这12个地区以树种发芽情况按k均值