kmeans伪代码matlab

K-means算法是一种常用的无监督聚类方法，其基本步骤可以用以下简单的Matlab伪代码表示：

% 初始化
k = number_of_clusters; % 聚类数目
randomCentroids = generateRandomCentroids(data, k); % 随机选择初始质心

while notConverged % 循环直到收敛
    % 分配每个数据点到最近的质心
    assignments = zeros(size(data, 1), 1);
    for i = 1:size(data, 1)
        distances = pdist2(data(i,:), randomCentroids); % 计算距离
        assignments(i) = min(distances); % 最近质心索引
    end
    
    % 更新质心
    newCentroids = zeros(k, size(data, 2));
    for j = 1:k
        clusterData = data(assignment == j, :); % 获取当前簇的数据
        newCentroids(j, :) = mean(clusterData, 'all'); % 新质心为簇内所有点均值
    end
    
    % 检查是否收敛，通常看两个迭代周期内质心变化是否小于某个阈值
    if max(norm(randomCentroids - newCentroids)) < tolerance
        break;
    end
    randomCentroids = newCentroids; % 更新质心
end

在这个伪代码中，`data`是输入的数据集，`generateRandomCentroids`是一个函数用于随机生成初始质心，`pdist2`计算两点之间的欧式距离矩阵，`notConverged`是一个标志判断是否达到停止条件（通常是质心移动的差异小于预设的容忍度），`assignment`记录每个数据点所属的簇。