k均值聚类算法matlab

k均值聚类算法是一种常见的聚类算法，可以使用Matlab进行实现。以下是一份简单的Matlab代码实现k均值聚类算法：

% 输入数据
data = [1, 1; 1.5, 2; 3, 4; 5, 7; 3.5, 5; 4.5, 5; 3.5, 4.5];
K = 2; % 聚类数
[m, n] = size(data); % 数据维度和数据点个数

% 初始化聚类中心
center = zeros(K, n);
index = randperm(m, K);
for i = 1:K
    center(i, :) = data(index(i), :);
end

% 迭代求解聚类中心
max_iter = 100; % 最大迭代次数
iter = 0;
while iter < max_iter
    iter = iter + 1;

    % 分配样本到聚类中心
    cluster = cell(K, 1);
    for i = 1:m
        dist = zeros(K, 1);
        for j = 1:K
            dist(j) = norm(data(i, :) - center(j, :));
        end
        [~, idx] = min(dist);
        cluster{idx} = [cluster{idx}; data(i, :)];
    end

    % 更新聚类中心
    for i = 1:K
        center(i, :) = mean(cluster{i}, 1);
    end
end

% 可视化结果
figure;
hold on;
colors = ['r', 'g', 'b', 'c', 'm', 'y', 'k'];
for i = 1:K
    scatter(cluster{i}(:, 1), cluster{i}(:, 2), 36, colors(i), 'filled');
end
scatter(center(:, 1), center(:, 2), 100, 'k', 'filled', 'd');
title('k-means clustering');

代码中的输入数据是一个二维数组，每一行代表一个数据点，K表示聚类数。该代码使用随机选择的方式初始化聚类中心，然后通过迭代不断更新聚类中心和分配样本到聚类中心，最终得到聚类结果并可视化。