这个算法可以分两步实现，一个是function [d] = dist(x,y)其中x和y分别代表一个向量；另外一个是function [y,C] = Kmeans( D,k )其中y为聚类中心分类集合，C为聚类中心集，D为目标矩阵（即为待分类的矩阵），k为聚类中心个数。
测试矩阵为：
测试结果如下：
不要问我是谁，请叫我红领巾
相关文章
- 多元宇宙算法求解电力系统多目标优化问题（Matlab实现）【电气期刊论文复现与算例创新】
- 基于MATLAB的中值滤波均值滤波以及高斯滤波的实现
- 基于MATLAB的均值滤波算法实现
- 黏菌优化算法SMA（Matlab完整代码实现）求解热电联产经济调度问题的改进遗传与粒子群算法Simulink|电动汽车、永磁电动机建模与仿真多目标粘液霉菌算法（Matlab代码实现）
- 【LSTM时序预测】基于灰狼算法优化长短时记忆网络GWO-LSTM实现风电功率预测附Matlab代码
- 多元宇宙算法求解电力系统多目标优化问题（Matlab实现）【电气期刊论文复现与算例创新】
- 改进二进制粒子群算法在配电网重构中的应用（Matlab实现）【论文复现】
- 【lssvm回归预测】基于鸽群算法优化最小二乘支持向量机PIO-lssvm实现数据回归预测附matlab代码
- 【GRU回归预测】基于麻雀算法优化门控循环单元SSA-GRU神经网络实现多输入单输出回归预测附matlab代码
- 最近邻算法的实现:k-d tree