欧式距离对400×1288维数据进行4分类 matlab代码

要使用欧氏距离对400×1288维数据进行4分类，您可以使用MATLAB中的k-means聚类算法。k-means算法将数据分成k个簇，其中k是用户指定的分类数目。

以下是使用欧氏距离对400×1288维数据进行4分类的示例代码：

% 生成随机数据矩阵
data = randn(400, 1288);

% 使用k-means算法进行4分类
k = 4;
[idx, centroids] = kmeans(data, k);

% 显示每个数据点的分类结果
disp('每个数据点的分类结果：');
disp(idx);

% 显示分类中心点
disp('分类中心点：');
disp(centroids);

在上述代码中，我们首先生成一个400×1288的随机数据矩阵`data`。然后，我们使用`kmeans`函数对数据进行4分类。将数据矩阵和分类数目k作为输入传递给`kmeans`函数。

`kmeans`函数将返回两个输出变量：idx和centroids。变量idx是一个向量，表示每个数据点所属的分类。变量centroids是一个矩阵，每一行表示一个分类的中心点。

最后，我们通过显示每个数据点的分类结果和分类中心点来展示分类的结果。

请注意，k-means算法使用欧氏距离来计算数据点之间的相似性。