MATLAB：集群内相异函数的更高效代码答案

【问题标题】：MATLAB: More efficient code for withincluster dissimilarity functionMATLAB：集群内相异函数的更高效代码
【发布时间】：2014-04-13 09:16:12
【问题描述】：

我对 Matlab 很陌生，这是我在给定数据集中的聚类内差异的代码。

这段代码效率很低，我的电脑几乎因为在30x4 dataset上运行而崩溃。

谁能帮我做一个更好的版本？

这是我使用的代码。

function [W] = WIC( X , IDX , N , C )


W = zeros( N , 1 );
kclas = unique(IDX);
count = histc( IDX(:) , kclas );

for i =1:N
    for j=1:length(X)
       while IDX(j)==i
          W = sum( ( X(j,:) - C(i,:) ).^2 );
       end
    end
end

 W = W .* count;
end

【问题讨论】：

也与我们分享调用脚本吗？至少是函数输入的大小？
首先我在 20x3 数值矩阵上使用 K-means 保持编号。簇数为 2。
然后我使用了kmeans返回的IDX（索引数组）和C（簇质心）作为WIC的输入参数
您的代码错误，因为 W 在每个循环步骤中都会被覆盖。

标签： matlab cluster-analysis

【解决方案1】：

为什么？

这个度量在很大程度上是无用的统计；它只在 k-means 中有意义。然后最好在分配对象时对平方偏差求和，而不是在最后再次重新计算。

【讨论】：

【解决方案2】：

如果我正确理解您的问题，您希望为每个聚类计算距离聚类中心的欧几里得距离平方和（平均？）。

除了将输出分配给 W (W(i)=...) 的元素，没有无限循环（while 循环将永远不会运行或永远不会完成），您可能需要研究矢量化。好在还有accumarray等不错的函数

%// IDX: cluster index
%// X: array of data points
%// C: cluster centers
%// N: number of clusters

totalSumOfSquares = accumarray(IDX,(1:N)',[],...
   @(id) sum(sum( bsxfun( @minus, X, C(id,:) ).^2,2),1));

如果您想要平均平方距离，请将第一个 sum 替换为 mean。

【讨论】：