二分k-means算法matlab聚类工具箱实现

以下是使用Matlab聚类工具箱实现二分k-means算法的步骤：

1. 导入数据：将需要聚类的数据导入Matlab中。

2. 初始化：随机选择两个簇作为初始簇。

3. 计算质心：计算每个簇的质心。

4. 计算误差平方和（SSE）：计算每个簇内点与质心的距离平方和，得到SSE。

5. 二分簇：将SSE较大的簇进行二分，得到新的簇。

6. 重复计算：重复步骤3-5，直到满足停止条件。

7. 输出结果：输出聚类结果。

以下是Matlab代码实现：

% 导入数据
load iris_dataset.mat;

% 设置聚类数目
k = 3;

% 初始化
idx = ones(size(meas,1), 1);
c = [1, 2];

% 计算质心
centroids = [mean(meas(c(1,:),:)) ; mean(meas(c(2,:),:))];

% 计算初始SSE
D = pdist2(meas, centroids);
dist = min(D, [], 2);
s = sum(dist .^ 2);

% 二分簇
while length(c) < k
    % 找到SSE最大的簇
    [val, i] = max(s);
    % 将该簇分为两个子簇
    subidx = idx == i;
    submeas = meas(subidx,:);
    subc = [1,2];
    subcentroids = [mean(submeas(subc(1,:),:)) ; mean(submeas(subc(2,:),:))];
    % 计算新的SSE
    subD = pdist2(submeas, subcentroids);
    subdist = min(subD, [], 2);
    subs = sum(subdist .^ 2);
    % 更新SSE
    s(i) = subs(1);
    s(end+1) = subs(2);
    % 更新簇标记
    subidx = subidx(:);
    idx(subidx) = length(c) + 1;
    % 更新质心和簇
    centroids(i,:) = subcentroids(1,:);
    centroids(end+1,:) = subcentroids(2,:);
    c(i,:) = [];
    c(end+1:end+2,:) = size(centroids,1)-1:size(centroids,1);
end

% 输出聚类结果
scatter(meas(:,1), meas(:,2), 15, idx, 'filled');
title '二分k-means聚类结果';
xlabel '花萼长度';
ylabel '花萼宽度';

以上代码是对鸢尾花数据集进行二分k-means聚类，你可以根据自己的数据集进行修改。