matlab中的K-means算法

如果不使用kmeans（X，K）语法，我们如何在Matlab中实现K-means算法

实际上问题不在于实现算法。请参见下图：

我实现了大多数网站提供的算法，例如

我设置了4个X观测值（200个样本），我已经知道这4个观测值来自1个集群。 因此，根据算法，显示图像的上述聚类是可以解释的，而事实并非如此。我认为4个初始值不应该随机选择

我还运行了一些其他源代码，例如。得出了同样的结果。您可以从下载我的观察结果并自己查看结果。

通过“不使用kmeans（X，k）语法”您的意思是不预先指定k，集群的数量吗？这是不可能的，因为算法依赖于提前知道集群的数量。如果您确实想在不事先知道集群数量的情况下执行集群，我会研究另一种算法，例如

---

如果您想使用可用的源代码实现K-means算法，请查看可靠的实现。但是语法正是kmeans（X，k）。

如果您想实现自己的k-means或（出于任何原因）不想使用MATLAB k-means语法，那么有几种方法：

阅读论文：“一种有效的k-均值聚类算法： “分析与实现”，还可以阅读一些其他资源，然后编写自己的代码

搜索internet，直到找到其他免费实现，以便在代码中使用它

您可能希望看到以下链接：

---

同时指定了k和X。我想知道k-means的源代码。我检查了VLFeat。看起来，这是一个与matlab兼容的库。我能找到作为函数m文件的解决方案吗？VLFeat实际上是通过.mex文件链接到Matlab的C代码，所以实际上没有任何Matlab代码可以查看。不过，您可以查看C代码，看看发生了什么……如果您想知道

kmeans

源代码，请在MATLAB的命令提示符下输入

键入kmeans.m

。@Ata:算法很简单，描述得很好：。你应该能够把它作为一个练习来实施。如果您在代码方面遇到问题，可以寻求帮助，但请表明您已经做出了努力…@Ata:Kmeans算法对初始化非常敏感，请参阅此相关问题：

1. Give initial values to m1 .. mk
2. Assignment with closest mean
3. Update