请给我kmeans聚类算法matlab代码可以实现可视化和各元素所属类

当然，以下是基于MATLAB实现K-Means聚类算法的代码，包含了可视化和各元素所属类的功能：

clc;
clear;
close all;
 
% 载入数据
load fisheriris.mat;
data = meas;
 
% 初始化参数
k = 3;                              % 聚类数目
maxIter = 10;                       % 最大迭代次数
[n, d] = size(data);                % 样本数和维度
labels = zeros(n, 1);               % 样本标签
 
% 初始化聚类中心
minData = min(data);
maxData = max(data);
centers = rand(k, d) .* (maxData - minData) + minData;
 
% 迭代聚类
for iter = 1:maxIter
    % 计算样本与聚类中心的距离
    distance = zeros(n, k);
    for i = 1:n
        for j = 1:k
            distance(i, j) = norm(data(i, :) - centers(j, :));
        end
    end
 
    % 分配样本到最近的聚类中心
    [~, minIndex] = min(distance, [], 2);
    if iter == 1
        scatter(data(:, 1), data(:, 2), 10, minIndex, 'filled');
        title('Initial Clustering');
        xlabel('Sepal Length');
        ylabel('Sepal Width');
        hold on;
        scatter(centers(:, 1), centers(:, 2), 100, 'k', 'filled', 'd');
        hold off;
        pause(1);
    end
 
    % 更新聚类中心
    for i = 1:k
        centers(i, :) = mean(data(minIndex == i, :));
    end
 
    % 判断是否收敛
    if iter > 1 && isequal(labels, minIndex)
        break;
    end
    labels = minIndex;
 
    % 可视化聚类结果
    scatter(data(:, 1), data(:, 2), 10, labels, 'filled');
    title(['Clustering Iteration ' num2str(iter)]);
    xlabel('Sepal Length');
    ylabel('Sepal Width');
    hold on;
    scatter(centers(:, 1), centers(:, 2), 100, 'k', 'filled', 'd');
    hold off;
    pause(1);
end
 
% 显示结果
disp(['Final labels: ' num2str(labels')]);

在这个代码中，我们使用了 `fisheriris` 数据集，初始化了聚类中心，计算了样本与聚类中心的距离，将样本分配到最近的聚类中心，更新聚类中心，可视化了聚类结果，并判断是否收敛。最后，输出了样本的标签（即所属的聚类）。