我把K-mediods的matlab代码贴出来,你好好学习一下 function label = kmedoids( data,k,start_data ) % kmedoids k中心点算法函数 % data 待聚类的数据集,每一行是一个样本数据点 % k 聚类个数 % start_data 聚类初始中心值,每一行为一个中心点
MATLAB是以矩阵为基本的数据运算单位,它能够很好的与C语言进行混合编程,对于符号运算,其可以直接调用maple的命令,增加了它的适用范围。下面就为大家介绍MATLAB如何读写Excel数据文件的步骤
材料/工具
电脑,MATLAB软件
读取excel文件
1
双击打开excel数据文件夹
2
使用MATLAB中提供的系统函数xlsread函数,其主要的调用形式为:a=xlsread('filenamexls'),其中a表示读入文件所保存的变量名称,filenamexls(或者filenamexlsx)表示excel数据文件
3
对于上图所示的数据文件,只需要使用下面的命令进行读取即可:A = xlsread('dataxlsx')
如果数据文件保存在excel的某个sheet中,使用方式为: A = xlsread('dataxlsx','Sheet1')
写入excel文件
1
需要使用MATLAB中提供的系统函数xlswrite()函数,其主要的调用形式为:
xlswrite('filenamexls',variable);
其中variable表示需要写入Excel文件的变量名称,filenamexls(或者filenamexlsx)表示excel数据文件,help帮助文档中对xlswrite()函数的介绍如下图所示:
2
对于上图所示的数据文件,只需要使用下面的命令进行读取即可:xlswrite('outputxlsx',A)
直接用kmeans函数。。。
idx = kmeans(X,k)
idx = kmeans(X,k,Name,Value)
[idx,C] = kmeans(___)
[idx,C,sumd] = kmeans(___)
[idx,C,sumd,D] = kmeans(___)
idx = kmeans(X,k) performs k-means clustering to partition the observations of the n-by-p data matrix X into k clusters, and returns an n-by-1 vector (idx) containing cluster indices of each observation Rows of X correspond to points and columns correspond to variables
By default, kmeans uses the squared Euclidean distance measure and the k-means++ algorithm for cluster center initialization
example
idx = kmeans(X,k,Name,Value) returns the cluster indices with additional options specified by one or more Name,Value pair arguments
For example, specify the cosine distance, the number of times to repeat the clustering using new initial values, or to use parallel computing
example
[idx,C] = kmeans(___) returns the k cluster centroid locations in the k-by-p matrix C
example
[idx,C,sumd] = kmeans(___) returns the within-cluster sums of point-to-centroid distances in the k-by-1 vector sumd
example
[idx,C,sumd,D] = kmeans(___) returns distances from each point to every centroid in the n-by-k matrix D
以上就是关于如何用matlab聚类工具箱处理自己的数据集全部的内容,包括:如何用matlab聚类工具箱处理自己的数据集、MATLAB 代码,用高斯混合模型聚类分析处理xlsx文件,只需要三行代码、怎样用matlab实现多维K-means聚类算法等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)