matlab kmeans函数

Posted 2023-04-27

我想问下，如果我的数据m*n矩阵，用了kmeans后返回n*1矩阵，它如何表示每个点属于哪个聚类?要表示每个点属于的聚类，不应该也返回m*n矩阵吗？还有我想对彩色图像分割，求教用kmeans函数如何做？

参考技术A kmeans按行分类，如果数据矩阵为m*n的话，分类结果第一个表示为m*1,是为各点属于哪类样本的标注，至于彩色图像分割，你可以先读入图片，提取其中的句柄，读入数据为N*N的数据集，然后做分类。 参考技术B k-均值聚类？追问

对

追答

不懂，应该有很多这样的资料，多看看吧，我有模糊聚类，但不能明确指出分到哪一类

追问

恩，我们是要做图像分割，本来想用k均值的，但是不会用，就用了边缘加区域生长做出来了

本回答被提问者采纳

MATLAB | kmeans聚类如何绘制更强的聚类边界(决策边界)

本篇文章主要解决对于kmeans聚类结果，怎样绘制更强的聚类边界：

不过在此之前先讲解如何绘制聚类效果、聚类边界，最后再展示上图所示更强的聚类边界。代码其实不需要写下面那么长，但是为了画图好看就写长点叭：

---

kmeans聚类结果

kmeans原理太简单就不细致的讲解了，而且matlab自带了kmeans函数，直接用就完事了，以下随机生成一组数据并聚类并绘图：

% kmeans demo
% rng(1)
PntSet1=mvnrnd([2 3],[1 0;0 2],500);
PntSet2=mvnrnd([6 7],[1 0;0 2],500);
PntSet3=mvnrnd([6 2],[1 0;0 1],500); 
X=[PntSet1;PntSet2;PntSet3];

% kmeans聚类
K=3;
[idx,C]=kmeans(X,K);
% 配色
colorList=[0.4  0.76 0.65
           0.99 0.55 0.38 
           0.55 0.63 0.80
           0.23 0.49 0.71
           0.94 0.65 0.12
           0.70 0.26 0.42
           0.86 0.82 0.11];
% 绘制散点图 ===============================================================
figure()
hold on
strSetK='';
for i=1:K
    scatter(X(idx==i,1),X(idx==i,2),80,'filled',...
        'LineWidth',1,'MarkerEdgeColor',[1 1 1]*.3,'MarkerFaceColor',colorList(i,:));
    strSeti=['pointSet',num2str(i)];
end
legend(gca,strSet:)
% 坐标区域修饰
ax=gca; 
ax.LineWidth=1.4;
ax.Box='on';
ax.TickDir='in';
ax.XMinorTick='on';
ax.YMinorTick='on';
ax.XGrid='on';
ax.YGrid='on';
ax.GridLineStyle='--';
ax.XColor=[.3,.3,.3];
ax.YColor=[.3,.3,.3];
ax.FontWeight='bold';
ax.FontName='Cambria';
ax.FontSize=11;

---

kmeans聚类边界

我们任取一个点，当然是离哪个聚类中心近那就属于哪个聚类区域，这样我们就可以在平面上取非常多的点来描述聚类区域与边界。

公式描述来看，分类数为$K$，$k=1,2,\dots ,K$,聚类中心坐标写作$C_k$，对于任意一点$P$，若：

$$k^{\ast }=\underset{k}{\mathrm{argmin}}\Vert P-C_k\Vert$$
则该点属于第$k^{\ast }$类。

% kmeans Region demo
% rng(1) 
PntSet1=mvnrnd([2 3],[1 0;0 2],500);
PntSet2=mvnrnd([6 7],[1 0;0 2],500);
PntSet3=mvnrnd([6 2],[1 0;0 1],500); 
X=[PntSet1;PntSet2;PntSet3];

% kmeans聚类
K=3;
[idx,C]=kmeans(X,K);
% 配色
colorList=[0.4  0.76 0.65
           0.99 0.55 0.38 
           0.55 0.63 0.80
           0.23 0.49 0.71
           0.94 0.65 0.12
           0.70 0.26 0.42
           0.86 0.82 0.11];
% 绘制聚类区域及边界 ========================================================
figure()
hold on
x1=min(X(:,1)):0.01:max(X(:,1));
x2=min(X(:,2)):0.01:max(X(:,2));
[x1G,x2G]=meshgrid(x1,x2);
XGrid=[x1G(:),x2G(:)];

% 检测每个格点属于哪一类
XV=zeros(size(XGrid,1),K);
for i=1:K
    XV(:,i)=sqrt(sum((XGrid-C(i,:)).^2,2));
end 
[~,idx2Region]=min(XV,[],2);

% 绘制聚类区域方法一
% gscatter(XGrid(:,1),XGrid(:,2),idx2Region,colorList,'..');

% 绘制聚类区域方法二
RGrid=zeros(size(x1G(:)));
GGrid=zeros(size(x1G(:)));
BGrid=zeros(size(x1G(:)));
for i=1:K
    RGrid(idx2Region==i)=colorList(i,1);
    GGrid(idx2Region==i)=colorList(i,2);
    BGrid(idx2Region==i)=colorList(i,3);
end
CGrid=[];
CGrid(:,:,1)=reshape(RGrid,size(x1G));
CGrid(:,:,2)=reshape(GGrid,size(x1G));
CGrid(:,:,3)=reshape(BGrid,size(x1G));
surf(x1G,x2G,zeros(size(x1G)),'CData',CGrid,'EdgeColor','none','FaceAlpha',.5)

% 绘制边缘线
contour(x1G,x2G,reshape(idx2Region,size(x1G)),1.5:1:K,...
    'LineWidth',1.5,'LineColor',[0,0,0],'LineStyle','--')

scatterSet=[];
strSetK='';
for i=1:K
    scatterSet(i)=scatter(C(i,1),C(i,2),80,'filled','o','MarkerFaceColor',...
        colorList(i,:),'MarkerEdgeColor',[0,0,0],'LineWidth',1,'LineWidth',1.9);
    strSeti=['Cluster center ',num2str(i)];
end
% 添加图例
legend(scatterSet,strSet:)
% 坐标区域修饰
ax=gca;
ax.LineWidth=1.4;
ax.Box='on';
ax.TickDir='in';
ax.XMinorTick='on';
ax.YMinorTick='on';
ax.XGrid='on';
ax.YGrid='on';
ax.GridLineStyle='--';
ax.XColor=[.3,.3,.3];
ax.YColor=[.3,.3,.3];
ax.FontWeight='bold';
ax.FontName='Cambria';
ax.FontSize=11;

---

更复杂的边界

这里只是举个例子哈，大家当然可以整出更复杂的边界，首先假设：
$$k^{\ast }=\underset{k}{\mathrm{argmin}}{\Vert P-C_k\Vert }^4$$

这是我在某篇论文中看到的边界条件，不过四次方在$\left[0,+\infty \right)$ 上面单调，光改这一点并不会对图像产生任何影响，因此该条件的描述不止于，对于上面得到的$k^{\ast }$，若：

$$\begin{gathered} {\Vert P-C_{k^{\ast }}\Vert }^4+\gamma <{\Vert P-C_k\Vert }^4 \\ ,k\ne k^{\ast } \end{gathered}$$
则该$P$点属于第$k^{\ast }$类，否则就哪个类也不属于(或者说噪声类？)，其实思想也很简单，就是我仅仅数值小不顶用，我还要小到一定程度才行。我加上一个数值还是更趋向于这个类，那就属于这个类没跑了。

% kmeans Region demo
rng(1)
PntSet1=mvnrnd([2 3],[1 0;0 2],500);
PntSet2=mvnrnd基于MATLAB的Kmeans聚类算法的仿真与分析

 聚类算法及Matlab实现
 怎样用matlab实现多维K-means聚类算法
 MATLAB | kmeans聚类如何绘制更强的聚类边界(决策边界)
 MATLAB | kmeans聚类如何绘制更强的聚类边界(决策边界)
 图像分割基于matlab Kmean聚类分水岭oust粒子群算法优化脂肪肝图像分割含Matlab源码 2277期