X = [randn(100,2)+ones(100,2);...
     randn(100,2)-ones(100,2)]; 产生100个样本点，行指向每个样本，列是维变量值。
opts = statset('Display','final');

[idx,ctrs] = kmeans(X,2,'Distance','city','Replicates',5,'Options',opts);
%返回参数意义：[IDX,C,sumd,D]=kmeans()
IDX:每个样本点所在的类别
C：所聚类别的中心点坐标位置k*p，k是所聚类别
sumd:每个类内各点到中心点的距离之和
D：每个点到各类中心点的距离n*k

Matlab聚类分析中kmeans函数运行结果，请教为什么？

k=5;
[IDX,C,sumd,D] =kmeans(SCORE(:,1:3),k);
我想把主成份分析后的结果SCORE（：，1：3），大小为89*3，聚成5类，我的理解的运行结果应该是：
IDX是1~5的整数，表示归到了那一类；
C是每一类的质心位置，大小是5*3；
sumd是每一类中各点到质心的距离和，大小是1*5；
D是每个点到质心的位置，大小是89*1

Examples

The following creates two clusters from separated random data:

X = [randn(100,2)+ones(100,2);...

randn(100,2)-ones(100,2)];

opts = statset('Display','final');

[idx,ctrs] = kmeans(X,2,...

'Distance','city',...

'Replicates',5,...

'Options',opts);

5 iterations, total sum of distances = 284.671

4 iterations, total sum of distances = 284.671

4 iterations, total sum of distances = 284.671

3 iterations, total sum of distances = 284.671

3 iterations, total sum of distances = 284.671

plot(X(idx==1,1),X(idx==1,2),'r.','MarkerSize',12)

hold on

plot(X(idx==2,1),X(idx==2,2),'b.','MarkerSize',12)

plot(ctrs(:,1),ctrs(:,2),'kx',...

'MarkerSize',12,'LineWidth',2)

plot(ctrs(:,1),ctrs(:,2),'ko',...

'MarkerSize',12,'LineWidth',2)

legend('Cluster 1','Cluster 2','Centroids',...

'Location','NW')

执行语句以后可得一下输出图形，使用的ＵＣＩ数据集上的Ｉｒｉｓ的数据集，以下是聚类的效果。