K-均值聚类算法（含MATLAB程序）

一、算法简介 

        K-means聚类算法由J.B.MacQueen在1967年提出，是最为经典也是使用最为广泛的一种基于划分的聚类算法，属于基于距离的聚类算法。这类算法通常是由距离比较相近的对象组成簇，把得到紧凑而且独立的簇作为最终目标，因此将这类算法称为基于距离的聚类算法，不同的是K - means算法还属于动态聚类算法，是其中比较经典的算法。

动态聚类法：先选择若干个样本作为聚类中心，再按照事先确定的聚类准则进行聚类，在聚类过程中根据聚类准则，对聚类中心进行反复修改，直到合理为止。

二、算法原理

（1） 随机选择 k 个数据点作为初始质心（聚类中心）。

（2） 将每个数据点划分给距离最近的质心，衡量两个样本数据点的距离有多种不同的方法，最常用的是欧氏距离。

（3） 重新计算每个簇的质心作为新的聚类中心，使其总的平方距离达到最小。

（4） 重复第 2 步和第 3 步，直到收敛。

 三、程序实现

数据集下载：

MATLAB鸢尾花数据集（iris.txt）_鸢尾花数据集txt_祐言的博客-CSDN博客

选取鸢尾花集的前两组数据，花萼宽度和花萼长度作为数据集进行聚类，聚类结果如下：

%数据集
X=load('iris.txt');
%初始聚类中心
C = [0 0; 1 0; 1 1; 1 2; 1 3];
%迭代次数设置
D =20;

完整代码下载：

https://download.csdn.net/download/qq_64928278/87680629?spm=1001.2014.3001.5501