matlab聚类 代码举例

好的，关于 MATLAB 的聚类代码举例，以下是一个简单的案例：

1. 数据准备

首先需要准备一组数据，假设有一个存储了 5 个 5 维数据的矩阵 X：

X = rand(5,5);

2. 聚类

利用 MATLAB 中的 kmeans 函数进行聚类。假设要将数据分为两类：

[idx, C] = kmeans(X, 2);

其中，idx 变量存储了每个数据点所属的簇标号，C 变量存储了每个簇的中心点坐标。

3. 结果展示

利用 MATLAB 中的 scatter 函数将聚类结果可视化：

scatter(X(:,1), X(:,2), 20, idx, 'filled');
hold on;
scatter(C(:,1), C(:,2), 100, [1 0 0], 'filled', 's');

其中，scatter 函数的第一个参数为数据点的 x 坐标，第二个参数为数据点的 y 坐标，第三个参数为数据点大小，第四个参数为数据点颜色，filled 表示数据点内部填充颜色。第五个参数为可选参数，表示要在图中添加的标记，这里用于标记簇中心点。

这段代码将在图中展示两个簇的分布情况，其中红色的正方形表示每个簇的中心点。

希望以上内容能够对您有所帮助。

相关问题

智能聚类 matlab举例

使用Matlab进行智能聚类可以使用K-means算法，以下是一个简单的例子：

假设有一个数据集x，其中有4个数据点，每个数据点有两个特征，可以通过以下代码进行聚类：

x = [1 2; 1.5 1.8; 5 8; 8 8]; % 数据集
k = 2; % 聚类数
max_iter = 100; % 最大迭代次数

% 初始化聚类中心
centroids = x(randperm(size(x, 1), k), :);

for i = 1:max_iter
    % 计算每个数据点到聚类中心的距离
    distances = pdist2(x, centroids);
    
    % 分配每个数据点到最近的聚类中心
    [~, idx] = min(distances, [], 2);
    
    % 计算新的聚类中心
    for j = 1:k
        centroids(j, :) = mean(x(idx == j, :), 1);
    end
    
    % 判断是否收敛
    if i > 1 && isequal(idx, prev_idx)
        break;
    end
    
    prev_idx = idx;
end

在上述代码中，K-means算法的主要步骤包括：

1. 初始化聚类中心，可以随机选择数据集中的K个数据点作为聚类中心。
2. 计算每个数据点到聚类中心的距离，可以使用pdist2函数。
3. 分配每个数据点到最近的聚类中心，可以使用min函数。
4. 根据分配结果计算新的聚类中心，可以使用mean函数。
5. 判断是否收敛，可以比较当前迭代的分配结果和上一次迭代的分配结果是否相同。

最终，聚类结果可以通过变量idx得到，其中idx(i)表示第i个数据点属于哪个聚类。

k-means聚类分析算法matlab代码举例

k-means聚类算法的MATLAB代码如下：

1. 定义数据集

data = [x1, y1;
        x2, y2;
        ...
        xn, yn];

2. 初始化k个聚类中心

k = 3; % 假设有3类
center = datasample(data, k, 'Replace', false);

3. 开始迭代

maxIter = 100; % 迭代次数
for i = 1:maxIter
    % 计算每个点到k个聚类中心的欧几里德距离
    dist = pdist2(data, center);
    % 将每个点分配到距离最近的聚类中心所在的类别
    [~, label] = min(dist, [], 2);
    % 更新每个聚类中心的位置，即取每个类别中所有点的均值
    for j = 1:k
        center(j, :) = mean(data(label==j, :));
    end
end

4. 结果可视化

% 将每个类别中的点用不同颜色表示出来
figure;
scatter(data(label==1, 1), data(label==1, 2), 'r');
hold on;
scatter(data(label==2, 1), data(label==2, 2), 'g');
scatter(data(label==3, 1), data(label==3, 2), 'b');
% 显示聚类中心
scatter(center(:, 1), center(:, 2), 'k', 'filled');