用matlab写一段k-means聚类分割程序

当然可以！以下是一个用MATLAB编写的简单的K-means聚类分割程序示例：

% 生成一些随机数据作为示例
rng(1); % 设置随机种子以确保结果可复现
data = [randn(100, 2)*0.75+ones(100, 2);
        randn(100, 2)*0.5-ones(100, 2)];

% 设置聚类数和迭代次数
k = 2; % 聚类数
max_iters = 10; % 最大迭代次数

% 初始化聚类中心
initial_centroids = datasample(data, k, 'Replace', false);

for iter = 1:max_iters
    % 计算每个样本点与聚类中心的距离
    distances = pdist2(data, initial_centroids);
    
    % 分配每个样本点到最近的聚类中心
    [~, cluster_indices] = min(distances, [], 2);
    
    % 更新聚类中心为每个簇的平均值
    for i = 1:k
        points_in_cluster = data(cluster_indices == i, :);
        initial_centroids(i, :) = mean(points_in_cluster);
    end
end

% 绘制聚类结果
figure;
gscatter(data(:,1), data(:,2), cluster_indices);
hold on;
plot(initial_centroids(:,1), initial_centroids(:,2), 'kx', 'MarkerSize', 10, 'LineWidth', 2);
legend('Cluster 1', 'Cluster 2', 'Centroids');
title('K-means Clustering');

这段代码生成了一个包含两个聚类的随机数据集，并使用K-means算法将数据分为两个簇。最终结果以散点图的形式展示出来，聚类中心用黑色叉标识。

请注意，这只是一个简单的K-means聚类示例，可能无法处理更复杂的数据集。在实际应用中，你可能需要根据具体情况进行修改和优化。