matlab - matlab中的K-means算法

Question

我们如何在 Matlab 中实现 K-means 算法而不使用 kmeans(X,k) 语法？

实际上问题不在于实现算法。请看下图：

我实现了大多数网站提供的算法，例如http://en.wikipedia.org/wiki/Kmeans

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

我设置了 X 的 4 个观测值（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，上述图像的聚类是可以解释的，但事实并非如此。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http://people.revoledu.com/kardi/tutorial/kMean/matlab_kMeans.htm。推导出同样的结果。您可以从http://www.4shared.com/get/IfwUEUBD/Observation.html下载我的观察结果并自己查看结果。

Answer 1

如果您想实现自己的 k-means 或（无论出于何种原因）不想使用 MATLAB k-means 语法，那么有几种方法：

1. 阅读论文：“An Efficient k-Means Clustering Algorithm: Analysis and Implementation”，还阅读其他一些资源，然后编写自己的代码。

2. 搜索互联网，直到找到其他免费实现，以便您可以在代码中使用它。

您可能希望查看以下链接：

http://people.revoledu.com/kardi/tutorial/kMean/index.html

Answer 2

“不使用 kmeans(X,k) 语法”是指不提前指定 k 簇数吗？这是不可能的，因为该算法依赖于提前知道集群的数量。如果您真的想在事先不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DBSCAN 算法。

如果您想要已经使用可用源代码实现的 K-means 算法，请查看VLFeat以获得可靠的实现。语法就是 kmeans(X,k)。