kmeans聚类算法二维matlab代码

当然，我可以为您提供K-means聚类算法的二维MATLAB代码示例。以下是一个简单的示例：

% 生成随机数据
data = [randn(100,2)+1.5; randn(100,2)-1.5];

% 设置聚类数目
k = 2;

% 初始化聚类中心
centers = datasample(data, k, 'Replace', false);

% 迭代更新聚类中心
prev_centers = zeros(size(centers));
while ~isequal(centers, prev_centers)
    % 计算每个样本与聚类中心的距离
    distances = pdist2(data, centers);
    
    % 将每个样本分配到最近的聚类中心
    [~, labels] = min(distances, [], 2);
    
    % 更新聚类中心
    prev_centers = centers;
    for i = 1:k
        centers(i,:) = mean(data(labels == i, :));
    end
end

% 绘制结果
figure;
scatter(data(:,1), data(:,2), 10, labels, 'filled');
hold on;
scatter(centers(:,1), centers(:,2), 50, 'k', 'filled');
xlabel('X');
ylabel('Y');
legend('Cluster 1', 'Cluster 2', 'Centroids');

这段代码首先生成了一个二维随机数据集，然后设置了聚类数目 `k`。接下来，它会初始化聚类中心，并迭代地更新聚类中心，直到收敛。最后，将数据点和聚类中心可视化出来。

请注意，这只是一个简单的示例代码，可能无法处理所有情况。在实际使用中，您可能需要根据自己的数据和需求做一些调整和改进。希望对您有所帮助！如果您有任何其他问题，请随时提问。