生成一个使用dpc算法将数据分类的matlab代码

以下是一个简单的使用 DPC（Density Peaks Clustering）算法将数据分类的 MATLAB 代码示例：

% 生成随机数据
X = [randn(100,2); randn(100,2)+5];

% 计算距离矩阵
D = pdist2(X,X);

% 设定参数
dc = mean(D(:));
rho = sum(exp(-(D/dc).^2),2);
delta = zeros(size(X,1),1);

% 计算每个点的 delta 值和 gamma 值
for i = 1:size(X,1)
    delta(i) = min(rho(i)-rho(rho>rho(i)));
end
gamma = rho .* delta;

% 找到聚类中心
[~, centers] = maxk(gamma,2);

% 进行聚类
idx = zeros(size(X,1),1);
for i = 1:size(X,1)
    if i == centers(1)
        idx(i) = 1;
    elseif i == centers(2)
        idx(i) = 2;
    elseif rho(i) > rho(centers(1)) && delta(i) > delta(centers(1))
        idx(i) = 1;
    else
        idx(i) = 2;
    end
end

% 绘制结果
figure;
scatter(X(idx==1,1), X(idx==1,2), 'r');
hold on;
scatter(X(idx==2,1), X(idx==2,2), 'b');
scatter(X(centers,1), X(centers,2), 'k', 'filled');
legend('Cluster 1', 'Cluster 2', 'Centers');

这段代码将随机生成的二维数据分为两类，并在图中标出聚类中心。您可以根据需要修改参数或扩展代码以适应您的数据集。