matlab代码（KNN，层次聚类，C均值，最邻近算法）

%层次聚类 load fcmdata.dat x=fcmdata; length=size(x,1); %设置矩阵存储聚类中心及类中的样本个数 y=zeros(length,length); z=zeros(length,1); T=1;%距离阈值 leishu=3;%需要分的类数 t=length-leishu; %思路 %1.算出距离矩阵 %2.求出最小距离 %3.更新距离矩阵 %4.在类别矩阵后面加类号 %5.重复上面 % %1.算出距离矩阵140 *140 用矩阵Y存储% for(i=1:length) for(j=1:length) if(i>=j) y(i,j)=(x(i,1)-x(j,1))^2+(x(i,2)-x(j,2))^2; y(i,j)=y(i,j)^(1/2); else y(i,j)=1000; end end end sprintf('%.0f',leishu) for(n=1:t) %求出最小距离% temp=1000; for(i=1:length) for(j=1:length) if(y(i,j)~=0&&y(i,j)<=temp) temp=y(i,j); end end end %if(temp>T) % break; %end %寻找最小距离的点i,j% i1=0;j1=0; for(i=1:length) for(j=1:length) if(temp==y(i,j)) i1=i; j1=j; end end end sprintf('%.4f',temp); sprintf('%.0f',i1); sprintf('%.0f',j1); %更新矩阵% for(t=1:length) if(y(i1,t)>y(j1,t)&&y(j1,t)~=0) y(i1,t)=y(j1,t); end if(j1~=t) y(j1,t)=1000; end end for(t=1:length) if(y(t,i1)>y(t,j1)&&y(t,j1)~=0&&y(t,i1)~=1000) y(t,i1)=y(t,j1); end if(y(t,j1)~=0) y(t,j1)=1000; end end %类别矩阵加上类号% if(z(i1,1)==0&&z(j1,1)==0) z(i1,1)=i1; z(j1,1)=i1; elseif(z(i1,1)~=0&&z(j1,1)==0) z(j1,1)=z(i1,1); elseif(z(i1,1)==0&&z(j1,1)~=0) z(i1,1)=z(j1,1); else for(t=1:length) if(z(t,1)==z(j1,1)) z(t,1)=z(i1,1); end end end end % for(t=1:140) % for(m=1:t) % if(y(t,m)~=0&&y(t,m)~=1000) % t % m % end % end % end %查询类号% cs=1; m=zeros(1,leishu); flag=0; m(1,cs)=z(1,1); for(t=2:length) for(b=1:cs) if(z(t,1)==m(1,b)) flag=1; break; end end if(flag==0) cs=cs+1; m(1,cs)=z(t,1); end flag=0; end %画图显示% hold on for(t=1:length) if(z(t,1)==m(1,1)) plot(x(t,1),x(t,2),'+r'); elseif(z(t,1)==m(1,2)) plot(x(t,1),x(t,2),'+b'); elseif(z(t,1)==m(1,3)) plot(x(t,1),x(t,2),'+g'); % elseif(z(t,1)==m(1,4)) % plot(x(t,1),x(t,2),'+y'); end end