K-means聚类程序

function [ resXresY resZrecord] = FunK_mean3D（ xyzk ）
% 功能：
%     实现三维空间k-mean聚类算法
% 输入：
%     三维数据，分别用xyz两个一维向量代表两个维度
%     k 是分成的类别的数量
% 输出：
%     k行的两个矩阵
%     对应同样的第n行，存放着第n类的所有元素
%     record: 记录着每一行的有效元素的个数
wine=xlsread（‘C:\Users\Administrator\Desktop\11.xls‘‘A1:C20‘）

%wine=mapminmax（wine）; %训练数据标准化
%wine=zscore（wine）; %测试数据标准化
%amax = max（max（A））; %求矩阵中最大数
%amin = min（min（A））; %求矩阵中最小数
%wine = （A-amin）/（amax-amin）;
x=wine（:1）;
y=wine（:2）;
z=wine（:3）;
k=4;
    j = 1;
    % 下面是预分配一些空间
    % seedX 和 seedY 中存放着所有种子
    seedX = zeros（1k）;
    seedY = zeros（1k）;
    seedZ = zeros（1k）;
    oldSeedX = zeros（1k）;
    oldSeedY = zeros（1k）;
    oldSeedZ = zeros（1k）;
    resX = zeros（klength（x））;
    resY = zeros（klength（x））;
    resZ = zeros（klength（x））;
    % 用来记录resX中每一行有效元素的个数
    record = zeros（1k）; 
    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
        seedX（i） = x（round（rand（）*length（resX）））;
        seedY（i） = y（round（rand（）*length（resX）））;
        seedZ（i） = z（round（rand（）*length（resX）））;
        % 为保证种子不重叠
        if （i > 1 && seedX（i） == seedX（i-1） && seedY（i） == seedY（i-1） && seedZ（i） == seedZ（i-1））
            i = i -1; % 重新产生一个种子
        end
    end

    while 1
        disp（[‘jack is here‘]）
        record（:） = 0; % 重置为零
        resX（:） = 0;
        resY（:） = 0;
        resZ（:） = 0;
        for i = 1:length（x） % 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;
            for j = 2:k