在MATLAB中的Kmeans聚类中获取最接近质心的数据点的索引答案

【问题标题】：Getting the index of closest data point to the centriods in Kmeans clustering in MATLAB在MATLAB中的Kmeans聚类中获取最接近质心的数据点的索引
【发布时间】：2011-05-22 22:52:45
【问题描述】：

我正在 MATLAB 中使用 K-means 进行一些聚类。您可能知道用法如下：

[IDX,C] = kmeans(X,k)

其中 IDX 给出 X 中每个数据点的簇号，C 给出每个簇的质心。我需要获取离质心最近的数据点的索引（实际数据集 X 中的行号）。有谁知道我该怎么做？谢谢

【问题讨论】：

标签： matlab cluster-analysis k-means

【解决方案1】：

@Dima 提到的“蛮力方法”如下所示

%# loop through all clusters
for iCluster = 1:max(IDX)
    %# find the points that are part of the current cluster
    currentPointIdx = find(IDX==iCluster);
    %# find the index (among points in the cluster)
    %# of the point that has the smallest Euclidean distance from the centroid
    %# bsxfun subtracts coordinates, then you sum the squares of
    %# the distance vectors, then you take the minimum
    [~,minIdx] = min(sum(bsxfun(@minus,X(currentPointIdx,:),C(iCluster,:)).^2,2));
    %# store the index into X (among all the points)
    closestIdx(iCluster) = currentPointIdx(minIdx);
end

要获取距离聚类中心k最近的点的坐标，请使用

X(closestIdx(k),:)

【讨论】：

【解决方案2】：

蛮力方法是运行 k-means，然后将集群中的每个数据点与质心进行比较，并找到最接近它的那个。这在 matlab 中很容易做到。

另一方面，您可能想尝试k-medoids 聚类算法，它为您提供一个数据点作为每个聚类的“中心”。这是matlab implementation。

【讨论】：

【解决方案3】：

其实kmeans已经给你答案了，如果我没听错的话：

[IDX,C, ~, D] = kmeans(X,k); % D is the distance of each datapoint to each of  the clusters
[minD, indMinD] = min(D); % indMinD(i) is the index (in X) of closest point to the i-th centroid

【讨论】：