matlab编写最优化模型： max 表示最优化的目标函数； 为数据特征向量，每一维代表一个特征，若使用该特征则对应值1，否则为0； 为用户选择感兴趣特征的向量，每一维代表一个特征，若选择该特征则对应值为1，否则为0； 表示聚类结果的客观指标评价分数； 表示聚类质量的正则化参数 表示特征选择的正则化参数 表示用户引导的正则化参数

可以使用以下代码编写最优化模型：

cvx_begin
    variable x(n) binary % 特征选择向量
    variable y(m) binary % 用户选择感兴趣特征向量
    
    maximize(max * x - lambda1 * norm(y .* x, 1) - lambda2 * norm(x, 1) - lambda3 * obj)
    
    subject to
        % 约束条件
        % 每个聚类簇至少包含一个特征
        for i = 1:k
            sum(x(c==i)) >= 1;
        end
        
        % 用户选择的特征必须被包含在特征选择向量中
        x >= y;
        
cvx_end

其中，`max` 是最优化的目标函数，`x` 是数据特征向量，`y` 是用户选择感兴趣特征的向量，`obj` 是聚类结果的客观指标评价分数，`lambda1` 是聚类质量的正则化参数，`lambda2` 是特征选择的正则化参数，`lambda3` 是用户引导的正则化参数，`c` 是聚类结果的标签向量，`k` 是聚类簇的个数。约束条件保证每个聚类簇至少包含一个特征，同时用户选择的特征必须被包含在特征选择向量中。