k-means离群点剔除法matlab代码

k-means离群点剔除法：主要运用聚类均值方法剔除数据中的离群点，增强模型预测的精度等，本文为matlab代码

function [ res seedrecord] = FunK_meanPolyD（datak ）
% 功能：
%     实现多维空间k-mean聚类算法
% 输入：
%     data是d*n规格的矩阵，其中d代表维度，n代表样本的数量
%     k 是分成的类别的数量
% 输出：
%     res 是行数为（d*k） 列数为record中最大元素值
%     对于res的行数为d*k的解释： 
%       1:d 是对应着第一类别元素
%       d+1:2*d 是对应着第二类别元素 
%           ··· 
%       d*（k-1）+1:d*k 是对应着第k类别元素
%
%     record规格为1*k记录着每一类别的有效元素的个数

    j = 1;
    % 下面是预分配一些空间
    % seedX 和 seedY 中存放着所有种子
    [h w] = size（data）;
    cnt = w; % 输入元素的数量
    cntOfDimension = h; % d 中存放着本次处理数据的维度
    %seed 中存放种子，每一行代表种子所在的一个维度，每一列是一个种子向量
    seed = zeros（cntOfDimensionk）;
    oldSeed = zeros（cntOfDimensionk）;
    % 结果矩阵res中，数据存放规则：
    %   以d行为一个单位，总共k个d行
    %   第一个d行数据存放着第一类元素集合其他同理
    res = zeros（k*cntOfDimensioncnt）; 
    % 用来记录resX中每一行有效元素的个数
    record = zeros（1k）; 
    r = 0;
    for i = 1:k % 产生k个随机种子 注意： 随机种子是来自元素集合
        t = round（rand（）*cnt）;
        % 为保证种子不重叠
        if i > 1 && t == r
            i = i - 1;
            continue;
        end

        seed（:i） = data（:t）;
        r = t;
    end

    while 1
        record（:） = 0; % 重置为零
        res（:） = 0;
        for i = 1:cnt % 对所有元素遍历
            % 下面是判断本次元素应该归为哪一类，这里我们是根据欧几里得距离进行类别判定
            % k-mean算法认为元素应该归为距离最近的种子代表的类
            distanceMin = 1; % distanceMin 中存放着最短欧几里得距离的种子点的下标
            for j = 2:k
                % 计算高维度的欧几里得距离
                a = 0;
                b = 0;
                for row = 1:cntOfDimension
                    a = a + power（data（rowi）-seed（rowdistanceMin）2）;
                    b = b + power（data（rowi）-seed（rowj）2）;
                end
                if a > b
                    distanceMin = j;
                end
            end
            % 将本次元素点进行类别归并
            row = （distanceMin-1）*cntOfDimension + 1;
            res（row:row+cntOfDimension-1record（distanceMin）+1） = data（:i）;
            record（distanceMin） = record（distanceMin）+1;
        end
        %record
        oldSeed = seed;
        % 移动种子至其类中心
        for col = 1:k
            if record（col） == 0
                continue;
            end
            % 计算新的种子位置
            row = （col-1）*cntOfDimension + 1;
            seed（:col） = sum（res（row:row+cntOfDimension-1:）2）/record（col）;
        end
        % 如果本次得到的种子和上次的种子一致，则认为分类完毕。
        if mean（seed == oldSeed） == 1
            break;
        end
    end

    maxPos = max（record）;
    res = res（:1:maxPos）;
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2914  2018-04-06 11:19  聚类剔除法模板1\FunK_meanPolyD.m

     文件       3706  2018-04-17 09:23  聚类剔除法模板1\shili.m

     目录          0  2018-04-17 10:15  聚类剔除法模板1

----------- ---------  ---------- -----  ----

                 6620                    3