PAM聚类算法matlab

PAM (Partitioning Around Medoids) 聚类算法是一种基于距离的聚类方法，在 MATLAB 中可以使用 Statistics and Machine Learning Toolbox 中的函数进行实现。

下面是一个简单的 PAM 聚类示例：

% 生成样本数据
X = [randn(30,2)*0.75+ones(30,2);
     randn(30,2)*0.5-ones(30,2)];

% 进行 PAM 聚类
[idx, C] = kmedoids(X, 2);

% 可视化聚类结果
figure;
gscatter(X(:,1), X(:,2), idx);
hold on;
plot(C(:,1), C(:,2), 'kx', 'MarkerSize', 10, 'LineWidth', 2);
legend('Cluster 1', 'Cluster 2', 'Medoids');
title('PAM Clustering');

在这个示例中，我们首先生成了一个包含两个簇的随机数据集，然后使用 `kmedoids` 函数进行 PAM 聚类。这个函数会返回每个样本所属的簇（存储在 `idx` 中）以及每个簇的中心点（存储在 `C` 中）。最后，我们使用 `gscatter` 函数将样本点可视化，并使用 `plot` 函数将中心点可视化。

需要注意的是，`kmedoids` 函数需要指定簇的数量。在这个示例中，我们将簇的数量设置为 2。在实际应用中，簇的数量可能是一个不确定的参数，需要通过试验或其他方法确定。