Matlab 基于跳跃法的聚类分析（失真测度）

我试图从Sugar的论文中复制结果：

凯瑟琳·A·苏格；Gareth M.James（2003年）。“寻找数据集中的聚类数：信息论方法”。美国统计协会杂志98（1月）：750-763

用跳跃法进行聚类分析。 以下是指向WiKi Pedia的链接，其伪代码为：

Matlab中的代码如下所示：

load('iris.mat'); % data into X
p = size(X,2);
K = 1:10;
for k=K
  disp(['Clustering with K = ' num2str(k) ' ...']);
  [U, Z] = kmeans(X, k, 'emptyaction', 'singleton');
  % compute distortion
  for i=1:k
    S = cov(X(U==i,:));
    a = bsxfun(@minus, X(U==i,:), Z(i,:));
    b = [b; sum(diag(a*inv(S)*a'))/sum(U==i)];
  end
  % average distortion per attribute
  b = b / p;
  d = [d; mean(b)];
end

figure, plot(K, d, '.:'); title('Distortion');
figure, plot(K(1:end-1), diff(d.^(-p/2)), '.:'); title('Jump Result');

现在，失真显示了一个非均匀的递减函数，跳跃结果显示尖峰，有时在k=8时出现最大值，甚至是负数

---

我想我在这里做错了什么。有人能帮我找出代码中的错误吗？

好的，找到“问题”。1）

cov（）

必须删除，并且只需计算每个点与其中心之间L2距离的总和。2） 总失真的总和，然后按样本数和尺寸平均，例如

Sum（dist）/（n*p）

。3） 转换中的指数应小于1，并且p/2确实提供了更高数量的群集。您是否可以编辑帖子并键入新的“固定”算法？确定，找到“问题”。1）

cov（）

必须删除，并且只需计算每个点与其中心之间L2距离的总和。2） 总失真的总和，然后按样本数和尺寸平均，例如

Sum（dist）/（n*p）

。3） 转换中的指数应该小于1，并且p/2确实提供了更高数量的集群。您是否可以编辑帖子并键入新的“固定”算法？