用MATLAB编写程序,生成50个固定样本点，输出图像，用原理推导K均值算法分成5类，输出图像，并在图像中显示出SC轮廓系数和 DBI戴维森堡丁指数。再用MATLAB自带Kmeans函数的聚类分成5类,输出图像，并在图像中显示出SC轮廓系数和 DBI戴维森堡丁指数

以下是MATLAB代码实现：

生成50个固定样本点并输出图像：

% 生成50个随机样本点
rng(1); % 设置随机种子
data = rand(50,2); 

% 绘制散点图
figure;
scatter(data(:,1),data(:,2));
title('50个随机样本点');

K均值算法分成5类，输出图像，并在图像中显示出SC轮廓系数和 DBI戴维森堡丁指数：

% K均值算法聚类
k = 5; % 分成5类
[idx, C] = kmeans(data, k);

% 绘制散点图
figure;
gscatter(data(:,1),data(:,2),idx);
title('K均值算法聚类结果');

% 计算SC轮廓系数
silhouette_score = silhouette(data,idx);

% 计算DBI戴维森堡丁指数
davies_bouldin_index = daviesbouldin(data,idx);

% 显示SC轮廓系数和DBI戴维森堡丁指数
fprintf('SC轮廓系数: %f\n',mean(silhouette_score));
fprintf('DBI戴维森堡丁指数: %f\n',davies_bouldin_index);

使用MATLAB自带Kmeans函数的聚类分成5类，输出图像，并在图像中显示出SC轮廓系数和 DBI戴维森堡丁指数：

% 使用MATLAB自带Kmeans函数聚类
[idx, C] = kmeans(data, k);

% 绘制散点图
figure;
gscatter(data(:,1),data(:,2),idx);
title('自带Kmeans函数聚类结果');

% 计算SC轮廓系数
silhouette_score = silhouette(data,idx);

% 计算DBI戴维森堡丁指数
davies_bouldin_index = daviesbouldin(data,idx);

% 显示SC轮廓系数和DBI戴维森堡丁指数
fprintf('SC轮廓系数: %f\n',mean(silhouette_score));
fprintf('DBI戴维森堡丁指数: %f\n',davies_bouldin_index);

以上代码实现了生成50个固定样本点并输出图像，使用K均值算法和MATLAB自带Kmeans函数的聚类分成5类，并在图像中显示出SC轮廓系数和DBI戴维森堡丁指数。