kmeans聚类算法matlab代码及例题

你可以使用以下的 MATLAB 代码来实现 K-means 聚类算法：

% 设置聚类个数
k = 3;

% 生成随机数据
data = rand(100, 2);

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

% 迭代更新聚类中心
for i = 1:10
    % 计算每个样本点到聚类中心的距离
    distances = pdist2(data, centers);
    
    % 找到最近的聚类中心
    [~, labels] = min(distances, [], 2);
    
    % 更新聚类中心
    for j = 1:k
        centers(j, :) = mean(data(labels == j, :));
    end
end

% 绘制结果
scatter(data(:, 1), data(:, 2), [], labels);
hold on;
scatter(centers(:, 1), centers(:, 2), 'r', 'filled');
hold off;

此代码中，我们首先设定了聚类的个数 `k`，然后随机生成了一个包含100个样本点的二维数据。接下来，我们使用随机选择的样本点作为初始的聚类中心，在每次迭代中，计算每个样本点到聚类中心的距离，并将其分配给距离最近的聚类中心。然后，更新聚类中心为每个聚类中的样本点的平均值。最后，我们将数据点和聚类中心进行可视化。

你可以根据自己的需要修改数据和聚类个数，以及迭代次数。

希望这能帮到你！如果你有更多问题，请随时提问。