两个matlab实现的K-MEANS聚类算法

%k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足： %同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 %k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象， %则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类； %然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）； %不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作

%K-MEANS算法　　K-MEANS算法:
%k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：
%同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。
%k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，
%则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；
%然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；
%不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：
%各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。 
%补充一个Matlab实现方法：
function [cidnrcenters]=cskmeans（xknc）
%CSKMEANS K-Means clustering - general method.
% 
% This implements the more general k-means algorithm where 
% HMEANS is used to find the initial partition and then each
% observation is examined for further improvements in minimizing
% the within-group sum of squares.

% [CIDNRCENTERS] = CSKMEANS（XKNC） Performs K-means
% clustering using the

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

     文件       3483  2009-05-23 09:48  cskmeans.m

     文件      24520  2009-05-23 09:48  kmeans.m

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

                28003                    2