k-medoids算法MATLAB代码

k-medoids是一种聚类分析方法，它类似于k-means，但将质心（medoids）替换为数据集中的实际观测值，这样可以更好地处理非数值型数据。以下是使用MATLAB实现k-medoids的基本步骤：

% 导入所需库
addpath('clusterlib'); % 假设clusterlib包含k-medoids函数

% 准备数据
data = load('your_data.mat'); % 替换为你要使用的数据文件名
X = data.data; % 数据矩阵

% 设置k值
k = 5; % 想要分组的数量

% 初始化medoids
medoids = X(randperm(size(X, 1), k)); % 随机选择初始medoids

% 主循环
maxIter = 100; % 最大迭代次数
for iter = 1:maxIter
    % 计算每个点到当前medoids的距离
    distances = pdist2(X, medoids);
    
    % 对于每个点，找到最近的medoid
    assignments = min(distances, [], 2); % 第2维表示medoids
    
    % 更新medoids
    newMedoids = zeros(k, size(X, 2));
    for i = 1:k
        idx = find(assignments == i);
        if ~isempty(idx)
            newMedoids(i, :) = mean(X(idx, :), 'all');
        end
    end
    
    % 判断是否收敛，如果medoids位置不变，则退出循环
    if isequal(medoids, newMedoids)
        break;
    end
    medoids = newMedoids;
end

% 结果存储
result = struct('clusters', assignments, 'medoids', medoids);

% 查看结果
disp(result);
%