k-means轨迹聚类算法的matlab代码并举个例子

以下是k-means轨迹聚类算法的matlab代码：

% 首先加载数据，这里假设数据已经被存储在名为data的变量中
load data

% 设置聚类数
k = 3;

% 设置迭代次数
max_iters = 10;

% 初始化聚类中心，随机选择k个数据点作为初始中心
initial_centroids = data(randperm(size(data, 1), k), :);

% 开始迭代
for i=1:max_iters
    % 计算每个样本到聚类中心的距离
    distances = pdist2(data, initial_centroids);

    % 找到每个样本距离最近的聚类中心
    [~, idx] = min(distances, [], 2);

    % 更新聚类中心
    for j=1:k
        initial_centroids(j, :) = mean(data(idx == j, :));
    end
end

% 最终得到的聚类中心即为轨迹聚类结果

下面以一个简单的例子来说明如何使用该算法进行轨迹聚类。假设有如下数据：

data = [1, 2; 2, 3; 3, 4; 10, 2; 11, 3; 12, 4];

其中每行表示一个二维空间中的点，我们希望将这些点分成3类。使用上述代码进行聚类，最终得到的聚类中心为：

initial_centroids = [1.5, 2.5; 11, 2.5; 3.5, 4.5];

其中第一行表示第一类的聚类中心，第二行表示第二类的聚类中心，以此类推。这样，我们就成功地将这些点分成了3类。