当前位置:首页 » 《我的小黑屋》 » 正文

Matlab实现Kmeans聚类算法

25 人参与  2024年03月25日 18:26  分类 : 《我的小黑屋》  评论

点击全文阅读


1.Kmeans聚类算法简介

kmeans聚类算法是一种迭代求解的聚类分析算法。其实现步骤如下:

(1) 随机选取K个对象作为初始的聚类中心

(2) 计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。

(3) 聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。

(4) 重复步骤(2)、(3),直到满足某个终止条件。终止条件可以是聚类中心再发生变化或者误差平方和局部最小等。

2.Kmeans聚类算法的代码实现

(1) 首先,加载需要进行分类的数据集。

data(:,1)=[90,35,52,83,64,24,49,92,99,45,19,38,1,71,56,97,63,...    32,3,34,33,55,75,84,53,15,88,66,41,51,39,78,67,65,25,40,77,...    13,69,29,14,54,87,47,44,58,8,68,81,31];data(:,2)=[33,71,62,34,49,48,46,69,56,59,28,14,55,41,39,...    78,23,99,68,30,87,85,43,88,2,47,50,77,22,76,94,11,80,...    51,6,7,72,36,90,96,44,61,70,60,75,74,63,40,81,4];figure(1)scatter(data(:,1),data(:,2),'LineWidth',2)title("原始数据散点图")

原始数据绘制散点图如下所示:

(2) 设置分类数量并调用自己编写的kmeans聚类函数

cluster_num=4;[index_cluster,cluster] = kmeans_func(data,cluster_num);
function [index_cluster,cluster] = kmeans_func(data,cluster_num)%% 原理推导Kmeans聚类算法[m,n]=size(data);cluster=data(randperm(m,cluster_num),:);%从m个点中随机选择cluster_num个点作为初始聚类中心点epoch_max=1000;%最大次数therad_lim=0.001;%中心变化阈值epoch_num=0;while(epoch_num<epoch_max)    epoch_num=epoch_num+1;    % distance1存储每个点到各聚类中心的欧氏距离    for i=1:cluster_num        distance=(data-repmat(cluster(i,:),m,1)).^2;        distance1(:,i)=sqrt(sum(distance'));    end    [~,index_cluster]=min(distance1');%index_cluster取值范围1~cluster_num    % cluster_new存储新的聚类中心    for j=1:cluster_num        cluster_new(j,:)=mean(data(find(index_cluster==j),:));    end    %如果新的聚类中心和上一轮的聚类中心距离和大于therad_lim,更新聚类中心,否则算法结束    if (sqrt(sum((cluster_new-cluster).^2))>therad_lim)        cluster=cluster_new;    else        break;    endendend

(3) 对分类结果和最终的聚类中心进行可视化展示

%% 画出聚类效果figure(2)% subplot(2,1,1)a=unique(index_cluster); %找出分类出的个数C=cell(1,length(a));for i=1:length(a)   C(1,i)={find(index_cluster==a(i))};endfor j=1:cluster_num    data_get=data(C{1,j},:);    scatter(data_get(:,1),data_get(:,2),100,'filled','MarkerFaceAlpha',.6,'MarkerEdgeAlpha',.9);    hold onend%绘制聚类中心plot(cluster(:,1),cluster(:,2),'ks','LineWidth',2);hold onsc_t=mean(silhouette(data,index_cluster'));title_str=['原理推导K均值聚类','  聚类数为:',num2str(cluster_num),'  SC轮廓系数:',num2str(sc_t)];title(title_str)

3.完整实现代码

clc;clear;close all;data(:,1)=[90,35,52,83,64,24,49,92,99,45,19,38,1,71,56,97,63,...    32,3,34,33,55,75,84,53,15,88,66,41,51,39,78,67,65,25,40,77,...    13,69,29,14,54,87,47,44,58,8,68,81,31];data(:,2)=[33,71,62,34,49,48,46,69,56,59,28,14,55,41,39,...    78,23,99,68,30,87,85,43,88,2,47,50,77,22,76,94,11,80,...    51,6,7,72,36,90,96,44,61,70,60,75,74,63,40,81,4];figure(1)scatter(data(:,1),data(:,2),'LineWidth',2)title("原始数据散点图")cluster_num=4;[index_cluster,cluster] = kmeans_func(data,cluster_num);%% 画出聚类效果figure(2)% subplot(2,1,1)a=unique(index_cluster); %找出分类出的个数C=cell(1,length(a));for i=1:length(a)   C(1,i)={find(index_cluster==a(i))};endfor j=1:cluster_num    data_get=data(C{1,j},:);    scatter(data_get(:,1),data_get(:,2),100,'filled','MarkerFaceAlpha',.6,'MarkerEdgeAlpha',.9);    hold onend%绘制聚类中心plot(cluster(:,1),cluster(:,2),'ks','LineWidth',2);hold onsc_t=mean(silhouette(data,index_cluster'));title_str=['原理推导K均值聚类','  聚类数为:',num2str(cluster_num),'  SC轮廓系数:',num2str(sc_t)];title(title_str)

4. 总结

以上就是matlab实现kmeans聚类算法的全部代码,可在上述代码的基础上进行数据集替换,应用于其它场景。如果有不懂的小伙伴儿,欢迎评论留言或者私信,代码订制也可私信博主。


点击全文阅读


本文链接:http://zhangshiyu.com/post/85480.html

<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

最新文章

  • 京圈佛子破戒后,我改嫁京圈纨绔(沈墨渊,白晶晶)
  • 前世被闺蜜害死,重生后我让她从太子妃变疯女苏婉儿,清歌完本_前世被闺蜜害死,重生后我让她从太子妃变疯女(苏婉儿,清歌)
  • 全书浏览七零军嫂太彪悍,带三宝上军区离婚(沈清落,陈桂花,陆有为)_七零军嫂太彪悍,带三宝上军区离婚(沈清落,陈桂花,陆有为)全书结局
  • 今天也没变成昨天(周扬陈默)全书免费_(周扬陈默)今天也没变成昨天后续(周扬陈默)
  • 重生后,秦总非要父以子贵(许沐晴,秦越泽)全书浏览_重生后,秦总非要父以子贵全书浏览
  • 他嫌弃我喝两块钱豆浆上不了台面,我结婚后他又哭又闹全书万照,白青青在线
  • 昭然若梦前尘烬列表_昭然若梦前尘烬(温昭然方池雲)
  • 导师借我股票账号,我倒欠五十万(孟潇潇,宁薇)_导师借我股票账号,我倒欠五十万孟潇潇,宁薇
  • 拒绝把外卖券给舍友,竹马送我到迪拜捡垃圾(周钰泽,蒋清清,思源)全书浏览_拒绝把外卖券给舍友,竹马送我到迪拜捡垃圾全书浏览
  • 我的人生,你已出局(程森凌古楚文)_我的人生,你已出局程森凌古楚文
  • 穿书成病娇女配,睁眼就签下离婚协议书(朱楼)_穿书成病娇女配,睁眼就签下离婚协议书
  • 老婆逼我给白月光捐肾,我死后她悔疯了(宋逸晨沈墨白)全书浏览_老婆逼我给白月光捐肾,我死后她悔疯了全书浏览

    关于我们 | 我要投稿 | 免责申明

    Copyright © 2020-2022 ZhangShiYu.com Rights Reserved.豫ICP备2022013469号-1