转自https://blog.csdn.net/a493823882/article/details/79282425

使用方法:
      Idx=kmeans(X,K)
      [Idx,C]=kmeans(X,K) 
      [Idx,C,sumD]=kmeans(X,K) 
      [Idx,C,sumD,D]=kmeans(X,K) 
      […]=Kmeans(…,’Param1’,Val1,’Param2’,Val2,…)
各输入输出参数介绍:
       X :N*P的数据矩阵
       K: 表示将X划分为几类,为整数
       Idx :N*1的向量,存储的是每个点的聚类标号
       C: K*P的矩阵,存储的是K个聚类质心位置
      sumD :1*K的和向量,存储的是类间所有点与该类质心点距离之和
      D :N*K的矩阵,存储的是每个点与所有质心的距离
      […]=Kmeans(…,'Param1',Val1,'Param2',Val2,…)
      这其中的参数Param1、Param2等,主要可以设置为如下:
      1. ‘Distance’(距离测度)
        ‘sqEuclidean’ 欧式距离(默认时,采用此距离方式)
        ‘cityblock’ 绝度误差和,又称:L1
        ‘cosine’ 针对向量
        ‘correlation’  针对有时序关系的值
        ‘Hamming’ 只针对二进制数据
      2. ‘Start’(初始质心位置选择方法)
        ‘sample’ 从X中随机选取K个质心点
        ‘uniform’ 根据X的分布范围均匀的随机生成K个质心
        ‘cluster’ 初始聚类阶段随机选择10%的X的子样本(此方法初始使用’sample’方法)
         matrix 提供一K*P的矩阵,作为初始质心位置集合
      3. ‘Replicates’(聚类重复次数)  整数

MATLAB的Kmeans函数实现聚类相关推荐

  1. 聚类分析 | MATLAB实现k-Means(k均值聚类)分析

    目录 聚类分析 | MATLAB实现k-Means(k均值聚类)分析 k-均值聚类简介 相关描述 程序设计 学习小结 参考资料 致谢 聚类分析 | MATLAB实现k-Means(k均值聚类)分析 k ...

  2. MATLAB中K-means函数表达方式

    K-means算法以偶是距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小.算法采用误差平方和准则函数作为聚类准则函数 K-means聚类算法采用的是将NP的矩阵X划分为 ...

  3. Matlab中kmeans函数用法

    K-means聚类算法将N*P的矩阵X划分为K个类. 使用方法: Idx=Kmeans(X,K) [Idx,C]=Kmeans(X,K)  [Idx,C,sumD]=Kmeans(X,K)  [Idx ...

  4. MATLAB实现k-means算法(k-均值)对无标签数据进行聚类,并通过肘部法则确定聚类类别

    应一个小伙伴的要求介绍了一下K均值聚类算法.本人也不是很专业,这是之前自学的,如果有错,大家可以提出来,共同进步嘛. 文章目录 一.k-means算法(k-均值) 1.k-means算法介绍 2.k- ...

  5. matlab实现Kmeans聚类

    K-means聚类的建模与求解 1.建模前准备 建模前,我们小组通过阅读文献,研究讨论了K-means的实现原理和应用场景,认为K-means算法在求解用户出行分区信息上具有可行性. 2.模型建立 通 ...

  6. matlab调用kmeans_Matlab中Kmeans函数的使用

    Matlab 的 K- 均值聚类 Kmeans 函数 K-means 聚类算法采用的是将 N*P 的矩阵 X 划分为 K 个类,使得类内对象之间的距离 最大,而类之间的距离最小. 使用方法: Idx= ...

  7. Matlab实现K-Means聚类算法

    原文地址为: Matlab实现K-Means聚类算法 人生如戏!!!! 一.理论准备 聚类算法,不是分类算法.分类算法是给一个数据,然后判断这个数据属于已分好的类中的具体哪一类.聚类算法是给一大堆原始 ...

  8. matlab中kmeans聚类算法

    版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/xholes/article/details/52911781 </div><lin ...

  9. 基于MATLAB的Kmeans聚类算法的仿真与分析

    目录 一.理论基础 二.核心程序 三.测试结果 一.理论基础 K-means聚类算法是硬聚类算法,是典型的基于原型的目标函数聚类分析算法点到原型--簇中心的某种距离和作为优化的目标函数,采用函数求极值 ...

最新文章

  1. php nuke是什么,Php Nuke For Donkeys
  2. [Android]使用RecyclerView替代ListView(四:SeizeRecyclerView)
  3. 在Linux下安装Apache
  4. 卷积神经网络经典模型要点
  5. 《大型网站技术架构:核心原理与案例分析》-- 读书笔记 (2) : 大型网站核心架构要素(1) -- 性能...
  6. 小兔的棋盘(HDU-2067)
  7. 360Alluxio联合Meetup——分布式存储与Alluxio应用实践
  8. 若依将ehcache改为redis缓存详细整合步骤
  9. jQuery最核心的基础设施之一——数据缓存模块进化史
  10. 【java学习之路】(java SE篇)002.java SE基础语法
  11. [Unity3D]Unity3D圣骑士当游戏开发商遭遇Mecanim动画系统
  12. Mat矩阵和数组的运算
  13. 基于深度强化学习的路径规划笔记
  14. PR音频处理——收尾音乐
  15. 微信推送封面尺寸_微信公众号推送文图片什么尺寸最佳?
  16. 机器学习中的数学——优化技术:参数初始化策略
  17. 创意视频标题文字模板 Big Titles 2.0 | Premiere Pro
  18. 超简单的pyTorch训练-onnx模型-C++ OpenCV DNN推理(附源码地址)
  19. SpringMVC-Spring-Mybatis
  20. 利用iconfont.css生成html代码,显示iconfont里面的所有的图标

热门文章

  1. 计算机进入休眠状态后,Win7电脑进入休眠状态后又自动重启该怎么处理
  2. java继承序列化_java中序列化之子类继承父类序列化
  3. PAT乙类1010之1010 一元多项式求导
  4. Spring Data REST 远程代码执行漏洞(CVE-2017-8046)分析与复现
  5. 评测通知 | 2022年全国知识图谱与语义计算大会评测任务发布
  6. 华为算法工程师-2020届实习招聘题
  7. Android官方开发文档Training系列课程中文版:分享简单数据之发送简单数据给其它APP
  8. [转]retina屏下支持0.5px边框的情况
  9. JQUERY AJAX无刷新异步上传文件
  10. 操作系统 —— 内存管理