MATLAB 三维K均值算法代码

以下是MATLAB实现的三维K均值算法代码示例：

% 生成随机数据
data = rand(100,3);

% 定义聚类数目 k
k = 3;

% 随机选择k个中心点
centers = data(randperm(size(data,1),k),:);

% 定义最大迭代次数
max_iter = 100;

% 迭代计算
for i = 1:max_iter
    % 计算每个数据点到中心点的距离
    distances = pdist2(data,centers);
    
    % 将每个数据点分配到最近的簇
    [~,labels] = min(distances,[],2);
    
    % 更新中心点
    for j = 1:k
        centers(j,:) = mean(data(labels == j,:));
    end
end

% 显示聚类结果
scatter3(data(:,1),data(:,2),data(:,3),15,labels,'filled')

其中，`pdist2`函数用于计算每个数据点到中心点的距离，`mean`函数用于计算每个簇的中心点。最后，使用`scatter3`函数将聚类结果可视化。

相关问题

matlab三维聚类图代码

Matlab中绘制三维聚类图通常涉及到使用`scatter3`函数以及数据预处理和聚类算法。这里是一个基本的步骤示例：

% 首先，假设你有一个包含三个特征的数据集，比如'data'
data = ...; % 你的数据，可以是从csv文件读取或直接计算得到

% 对数据进行预处理，例如标准化（如果数据不是均值为0，方差为1）
data = zscore(data);

% 使用k-means聚类，比如选择5个簇
num_clusters = 5;
[idx, centers] = kmeans(data, num_clusters);

% 绘制三维散点图
figure;
scatter3(data(:,1), data(:,2), data(:,3), 'filled', idx, 'MarkerSize', 8);
hold on;
scatter3(centers(:,1), centers(:,2), centers(:,3), 'k', 'filled', 'MarkerFaceColor', 'r');
xlabel('Feature 1');
ylabel('Feature 2');
zlabel('Feature 3');
title('3D Clustering');
hold off;

% 关闭提示
disp('Plotting complete.');

在这个例子中，`scatter3`用于显示数据点，并根据聚类结果着色；`kmeans`负责将数据分为指定数量的簇，返回每个样本的簇标签和簇中心。