随机初始化聚类中心,计算聚类。 选择每次聚类次数,选择最佳聚类初始化。 kmodes.m代码 function [cx,cost] =kmodes(K,data,num)%生成将data聚成K类的最佳聚类%K为聚类数目,data为数据集,num为随机初始化次数 [cx,cost]=kmodes1(K,data);fori =2:num [cx1,min]=kmodes1(K,data);ifmin<cost cost=min;...
随机初始化聚类中心,计算聚类。 选择每次聚类次数,选择最佳聚类初始化。 kmodes.m代码 function [cx,cost] =kmodes(K,data,num)%生成将data聚成K类的最佳聚类%K为聚类数目,data为数据集,num为随机初始化次数 [cx,cost]=kmodes1(K,data);fori =2:num [cx1,min]=kmodes1(K,data);ifmin<cost cost=min;...
% INPUTS:% data是聚类数据,每一行代表一个样本,每一列代表一个维度。% dis代表使用的度量距离的方法,这里实现了欧几里得距离和汉明距离%% OUTPUTS% clusterpath:聚类的途径,例如在十个样本的聚类例子当中,% clusterpath =% % [4 2 11% 11 1 12% 6 3 13% 12 7 14% 13 5 15% 15 8 16% 16 14 1...