k-means聚类分析

提供了k-means多维数据的聚类分析matlab源代码代码

%N是数据一共分多少类
%data是输入的不带分类标号的数据
%u是每一类的中心
%re是返回的带分类标号的数据
function [u re]=KMeans（dataN）   
    [m n]=size（data）;   %m是数据个数，n是数据维数
    ma=zeros（n）;        %每一维最大的数
    mi=zeros（n）;        %每一维最小的数
    u=zeros（Nn）;       %随机初始化，最终迭代到每一类的中心位置
    for i=1:n
       ma（i）=max（data（:i））;    %每一维最大的数
       mi（i）=min（data（:i））;    %每一维最小的数
       for j=1:N
            u（ji）=ma（i）+（mi（i）-ma（i））*rand（）;  %随机初始化，不过还是在每一维[min max]中初始化好些
       end      
    end
   
    while 1
        pre_u=u;            %上一次求得的中心位置
        for i=1:N
            tmp{i}=[];      % 公式一中的x（i）-uj为公式一实现做准备
            for j=1:m
                tmp{i}=[tmp{i};data（j:）-u（i:）];
            end
        end
        
        quan=zeros（mN）;
        for i=1:m        %公式一的实现
            c=[];
            for j=1:N
                c=[c norm（tmp{j}（i:））];
            end
            [junk index]=min（c）;
            quan（iindex）=norm（tmp{index}（i:））;           
        end
        
        for i=1:N            %公式二的实现
           for j=1:n
                u（ij）=sum（quan（:i）.*data（:j））/sum（quan（:i））;
           end           
        end
        
        if norm（pre_u-u）<0.1  %不断迭代直到位置不再变化
            break;
        end
    end
    
    re=[];
    for i=1:m
        tmp=[];
        for j=1:N
            tmp=[tmp norm（data（i:）-u（j:））];
        end
        [junk index]=min（tmp）;
        re=[re;data（i:） index];
    end
    
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1642  2015-11-20 17:20  kmeans.m
     文件        1148  2016-01-05 20:30  main.m