kmeans一维聚类算法matlab

在MATLAB中，K-means算法可以用于一维数据的聚类。下面是一个简单的示例代码，演示如何使用K-means算法来对一维数据进行聚类：

% 生成一维数据
data = [1, 2, 3, 4, 10, 11, 12, 20, 21, 22];

% 设置聚类的数量
k = 2;

% 使用K-means算法进行聚类
[idx, centroids] = kmeans(data', k);

% 打印聚类结果
disp('聚类结果:');
for i = 1:k
    cluster_data = data(idx == i);
    disp(['Cluster ', num2str(i), ': ', num2str(cluster_data)]);
end

% 打印聚类中心点
disp('聚类中心:');
disp(centroids);

在这个示例中，我们首先生成了一维数据`data`，然后设置了聚类的数量`k`。接下来，我们调用`kmeans`函数来执行K-means算法，并将聚类结果存储在`idx`中，将聚类中心点存储在`centroids`中。

最后，我们通过遍历每个聚类的索引，将相应的数据打印出来。同时，我们也输出了聚类的中心点。

请注意，这只是一个简单的示例，实际使用时可能需要根据具体情况进行调整和优化。