kmeans++是kmean算法的改进，原来kmean算法在原始数据的最小、最大区间内均等的选择K个聚类中心，然而kmeans++却是从原始数据中选择K个作为初始聚类中心，这种思路的效果优于kmean.下面是kmeas++的matlab代码，后面实例中使用的Gauss_sample函数是我的上一篇博文。
1.函数
function [K_center,seed]=kmeans_plus(data,K,LOOP)
%此代码对应kmeans++算法，该算法是对kmeans的改进，性能优于kmeans
% data是待分类的数据,尺寸为 (dim*N)，dim代表每个样本的维数，N代表样本个数
% K 是设定的聚类数量，即把N个样本分成K类，每一类内部的差别小，各类之间的差别大
%首先，确定K个初始聚类中心，这些聚类中心均来源于原始的N个样本
[dim,N]=size(data);
K_center=zeros(dim,K);
seed=[];
str=round(rand(1,1)*N);
seed=[seed,data(:,str)]; %随机选择的第一个聚类中心
for k=2:1:K
num_seed=size(seed,2);
Dis_temp=zeros(k,N);
d_min=zeros(1,N);
for i=1:1:N
d_min(1,i)=(seed(:,1)-data(:,i))'*(seed(:,1)-data(:,i));
for j=1:1:num_seed
Dis_temp(j,i)=(seed(:,j)-data(:,i))'*(seed(:,j)-data(:,i));
if d_min(1,i)>Dis_temp(j,i)
d_min(1,i)=Dis_temp(j,i);
end
end
end
pos=find(d_min==max(d_min));
seed=[seed,data(:,pos)];
end
K_center=seed;
%所有的K个初始聚类中心已经确定，下面按照传统的kmeans算法执行
for loop=1:1:LOOP
DIS=zeros(K,N); %计算N个样本与K个聚类之间的距离，行代表聚类，列代表样本
for i=1:1:N
for j=1:1:K
d=K_center(:,j)-data(:,i);
DIS(j,i)=d'*d;
end
end
class=zeros(1,N);
for i=1:1:N
class(1,i)=1;
d=DIS(1,i);
for j=1:1:K
if DIS(j,i)<d
d=DIS(j,i);
class(1,i)=j;
end
end
end
for k=1:1:K
sum=zeros(dim,1);
idx=find(class==k);
count=length(idx);
for c=1:1:count
sum=sum+data(:,idx(c));
end
K_center(:,k)=sum/count;
end
end
2.实例
[data,w,m,s]=Gauss_sample(2,5,100);
figure(1);clf
plot(data(1,:),data(2,:),'b*');
[K_center,seed]=kmeans_plus(data,5,100);
原始高斯分布的聚类中心 m=
-163 261 26 -115 157
-196 97 -97 55 -169
经过kmeans++算法计算得到的聚类中心 K_center=
263.1232 -164.0305 -114.1521 157.6263 27.8879
95.3258 -195.5066 55.2112 -168.8433 -95.0808
经过一一比对，效果还不错，下面用一幅图显示结果，蓝色星星代表数据，红色圆圈是kmeans++找到的聚类中心：
