算法简介

K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
算法过程如下：
1. 从N个样本随机选取K个样本作为质心
2. 对剩余的每个样本测量其到每个质心的距离，并把它归到最近的质心的类
3. 重新计算已经得到的各个类的质心
4. 迭代2～3步直至新的质心与原质心相等或小于指定阈值，算法结束
注：这里的距离我们一般采用欧式距离

Matlab实现

kmeans算法实现

function [ IDX, C ] = kmeans( X, k )
%   KMEANS K-Means聚类算法
%   Author: 谭振宇
%   Data: 2016.03.24
%   Input:
%   X: n*m的矩阵，n表示点的个数，m表示点的维数
%   k: 聚类的个数
%   Output:
%   IDX: n*1的向量，指示每个点所在聚类中心的索引
%   C: n*k的矩阵，聚类中心

n = size(X, 1); % 点的个数
m = size(X, 2); % 点的维数

% 1.从nums个向量中选择k个向量作为质心
M = X(1:k, :); % 选取前k行为初始聚类中心

loop = 0;
while true
    % 2. 对剩余的每个向量测量其到每个质心的距离，并把它归到最近的质心的类
    DIST = zeros(n, k); % DIST为每个点到聚类中心的距离
    for i = 1:n
        for j = 1:k
            DIST(i, j) = norm(X(i, :) - M(j, :)); % 计算每个点到聚类中心的聚类
        end
    end
    [~, IDX] = min(DIST, [], 2); % IDX为每个点到聚类中心最小距离的索引，表征的是每个点隶属哪一类

    % 3. 重新计算已经得到的各个类的质心
    C = zeros(k, m); % C为重新计算以后的聚类中心
    count = zeros(k, 1); % count统计各个类别中点的个数
    for i = 1:n
        idx = IDX(i); % idx为隶属的类
        count(idx) = count(idx) + 1; % 统计每个类别的个数
        C(idx, :) = C(idx, :) + X(i, :);
    end
    for i = 1:k
        C(i, :) = C(i, :) / count(i); % 这里C计算出来是新的质心
    end

    loop = loop + 1;
    disp(['第' , num2str(loop) , '次迭代'])
    % 4. 迭代2~3步直至新的质心与原质心相等或小于指定阈值，算法结束
    residual = norm(M - C); % 计算新质心和原始质心的距离
    disp(['新的质心与原质心距离为：')
    if residual < 1e-5
        break;
    end
    M = C; % 如果迭代继续，则将新质心赋值给原来的质心，继续循环
end

end

测试主函数：

clear
clc
% 生成测试数据
rng('default');
X = [gallery('uniformdata',[10 3],12);
    gallery('uniformdata',[10 3],13)+1.2;
    gallery('uniformdata',[10 3],14)+2.5];

% 原始数据绘图显示
figure
scatter3(X(:,1), X(:,2), X(:,3))
title('原始数据')

k = 3; % 聚类的个数设置为3
[idx, C] = kmeans(X, k);

num = size(X, 1); % 点的个数
COLOR = zeros(num, 3); % 根据类别设置的颜色矩阵
for i = 1:num
    COLOR(i, idx(i)) = 1;
end

% 进行聚类结果的显示，不同的类别用不同的颜色显示
figure
scatter3(X(:,1), X(:,2), X(:,3), [], COLOR)
hold on
% 绘制聚类中心
scatter3(C(:,1), C(:,2), C(:,3), 'm', '*')
title('聚类结果')

结果展示

k-means聚类_迭代

k-means聚类_聚类_02