資源簡(jiǎn)介
親測(cè)k_means，使用c語(yǔ)言和matlab實(shí)現(xiàn)，matlab代碼調(diào)試后可用！K-means算法是很典型的基于距離的聚類(lèi)算法，采用距離作為相似性的評(píng)價(jià)指標(biāo)，即認(rèn)為兩個(gè)對(duì)象的距離越近，其相似度就越大。該算法認(rèn)為簇是由距離靠近的對(duì)象組成的，因此把得到緊湊且獨(dú)立的簇作為最終目標(biāo)。
代碼片段和文件信息
clc;
clear;
%?第一類(lèi)數(shù)據(jù)
%?均值
mu1?=?[-2?-2];
%?協(xié)方差
S1?=?[0.5?0;?0?0.5];
%?產(chǎn)生高斯分布數(shù)據(jù)
data1?=?mvnrnd（mu1?S1?100）;
%?第二類(lèi)數(shù)據(jù)
mu2?=?[2?-2];
S2?=?[0.5?0;?0?0.5];
data2?=?mvnrnd（mu2?S2?100）;
%?第三類(lèi)數(shù)據(jù)
mu3?=?[-2?2];
S3?=?[0.5?0;?0?0.5];
data3?=?mvnrnd（mu3?S3?100）;
%?第四類(lèi)數(shù)據(jù)
mu4?=?[2?2];
S4?=?[0.5?0;?0?0.5];
data4?=?mvnrnd（mu4?S4?100）;
%?顯示數(shù)據(jù)
figure（）;
hold?on;
plot（data1（:1）?data1（:2）?‘+‘）;
plot（data2（:1）?data2（:2）?‘r+‘）;
plot（data3（:1）?data3（:2）?‘g+‘）;
plot（data4（:1）?data4（:2）?‘b+‘）;
grid?on;
data?=?[data1;?data2;?data3;?data4];
%?數(shù)據(jù)聚類(lèi)
[idx?ctr]?=?k_means（data?4?1000）;
[m?n]?=?size（idx）;
%?顯示聚類(lèi)后的結(jié)果
figure（）;
hold?on;
for?i=1:m
????if?idx（i?3）?==?1
????????plot（idx（i?1）?idx（i?2）?‘r.‘?‘MarkerSize‘?12）;?
????elseif?idx（i?屬性????????????大小?????日期????時(shí)間???名稱(chēng)
-----------?---------??----------?-----??----
????.CA....??????2310??2019-03-20?23:38??k_means.m
????.CA....??????1206??2019-03-20?23:38??kmean_main.m
-----------?---------??----------?-----??----
?????????????????3516????????????????????2
評(píng)論
共有 條評(píng)論