K聚类

K聚类如何应用在信号频谱处理？

对于图像而言聚类是将像素相近的点做近似估计分类，对于信号频谱K聚类方法是否同样适用？

K聚类的应用范围几何？

K聚类在数学建模中的应用较多，以前也用过这个做一些数据分析。（spss软件中有模块化的聚类功能，因此之前一直利用水spss软件聚类分析，但用MATLAB做聚类用的很少很少）

引用别人博客中的内容：（https://blog.csdn.net/huangfei711/article/details/78480078）

聚类算法有很多种，K-Means 是聚类算法中的最常用的一种，算法最大的特点是简单，好理解，运算速度快，但是只能应用于连续型的数据，并且一定要在聚类前需要手工指定要分成几类。

K-Means 聚类算法的大致意思就是“物以类聚，人以群分”：

1. 首先输入 k 的值，即我们指定希望通过聚类得到 k 个分组；
2. 从数据集中随机选取 k 个数据点作为初始大佬（质心）；
3. 对集合中每一个小弟，计算与每一个大佬的距离，离哪个大佬距离近，就跟定哪个大佬。
4. 这时每一个大佬手下都聚集了一票小弟，这时候召开选举大会，每一群选出新的大佬（即通过算法选出新的质心）。
5. 如果新大佬和老大佬之间的距离小于某一个设置的阈值（表示重新计算的质心的位置变化不大，趋于稳定，或者说收敛），可以认为我们进行的聚类已经达到期望的结果，算法终止。
6. 如果新大佬和老大佬距离变化很大，需要迭代3~5步骤。

K聚类的缺点在于质心的选取决定了程序运行的时间，数据量小的时候尚可。数据增大的花又该如何呢？

K聚类的程序

X2 = zscore(X); % zscore方法标准化数据

Y2 = pdist(X2); % 计算距离（默认欧式距离）

Z2 = linkage(Y2); % 定义变量之间的连接，用指定的算法计算系统聚类树

T = cluster(Z2,6); % 创建聚类 H = dendrogram(Z2); %作出系谱图