Matlab提供了两种方法进行聚类分析。 一种是利用 clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法； 另一种是分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用 linkage函数定义变量之间的连接；（3）用 cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。

电子书 作者:李相镐 李洪兴等编著 模糊集理论

数学建模-聚类-足球队排名模糊聚类分析Matlab源程序

聚类分析，基于kmeans聚类分析并输出收敛图，matlab2021a仿真，输出聚类点，聚类收敛图。

聚类分析，kmeans聚类分析，输出聚类坐标点。matlab2021a测试仿真。

聚类分析MATLAB代码

聚类分析是指将数据对象的集合分组为由类似的对象组成的多个类的分析过程。 基本概念 聚类（Clustering）就是一种寻找数据之间内在结构的技术。聚类把全体数据实例组织成一些相似组，而这些相似组被称作簇。处于相同簇中的数据实例彼此相同，处于不同簇中的实例彼此不同。 聚类技术通常又被称为无监督学习，与监督学习不同的是，在簇中那些表示数据类别的分类或者分组信息是没有的。 数据之间的相似性是通过定义一个距离或者相似性系数来判别的。图 1 显示了一个按照数据对象之间的距离进行聚类的示例，距离相近的数据对象被划分为一个簇。 图 1  聚类分析示意 聚类分析可以应用在数据预处理过程中，对于复杂结构的

通过聚类对数据进行分类，确定不同类型，适用于大量数据

采用的是cmeans聚类实现k均值算法，希望对你有所帮助！

视频教程