MATLAB中Kmeans聚类中最接近中心点的数据点索引的获取

我正在用MATLAB中的K-means进行聚类。如您所知，用法如下：

[IDX,C] = kmeans(X,k)

其中，IDX给出X中每个数据点的簇号，C给出每个簇的质心。我需要得到距离质心最近的数据点的索引（实际数据集X中的行号）。有人知道我怎么做吗？

---

多亏了

蛮力方法是运行k-means，然后将集群中的每个数据点与质心进行比较，并找到最接近质心的数据点。这在matlab中很容易做到

另一方面，您可能希望尝试聚类算法，它为您提供一个数据点作为每个集群的“中心”。下面是一个。

的“暴力方法”，如

%# loop through all clusters
for iCluster = 1:max(IDX)
    %# find the points that are part of the current cluster
    currentPointIdx = find(IDX==iCluster);
    %# find the index (among points in the cluster)
    %# of the point that has the smallest Euclidean distance from the centroid
    %# bsxfun subtracts coordinates, then you sum the squares of
    %# the distance vectors, then you take the minimum
    [~,minIdx] = min(sum(bsxfun(@minus,X(currentPointIdx,:),C(iCluster,:)).^2,2));
    %# store the index into X (among all the points)
    closestIdx(iCluster) = currentPointIdx(minIdx);
end

要获取最靠近群集中心的点的坐标，请使用

X(closestIdx(k),:)

---

事实上，kmeans已经给了你答案，如果我理解正确的话：

[IDX,C, ~, D] = kmeans(X,k); % D is the distance of each datapoint to each of  the clusters
[minD, indMinD] = min(D); % indMinD(i) is the index (in X) of closest point to the i-th centroid