k-medoids聚类算法MATLAB实现与可视化演示

资 源 简 介

该项目提供了一个基于MATLAB实现的轻量级k-medoids（k-中心点）聚类算法演示系统。k-medoids算法作为k-means算法的鲁棒性改进版本，核心在于选取实际的数据点作为聚类中心（即medoid），而非计算出的平均质心，这使得算法对数据集中的噪声和异常值（outliers）具有极强的抗干扰能力。本项目代码逻辑设计简洁直观，完整复现了经典的PAM（Partitioning Around Medoids）流程，包括：随机初始化中心点、计算样本点与中心点之间的距离（支持欧氏距离或曼哈顿距离）、基于最小距离原则的数据点归类、以及核心的迭代优化过程——即尝试用非中心点替换当前中心点以降低总代价函数。源码中包含了详细的中文注释，解释了每一步的数学原理和代码实现细节。此外，项目还内置了数据生成模块，可自动生成二维随机分布数据进行测试，并利用MATLAB强大的绘图功能，通过不同颜色和标记实时展示聚类效果、簇边界及最终选定的代表性中心点，非常适合算法初学者理解非监督学习中基于划分的聚类思想。

详 情 说 明

简单易懂的 k-medoids 聚类算法 MATLAB 源码

项目简介

本项目提供了一个基于 MATLAB 实现的轻量级 k-medoids（k-中心点）聚类算法演示系统。该算法是经典 k-means 算法的鲁棒性改进版本。不同于 k-means 计算虚拟质心（Mean），k-medoids 严格选取数据集中的实际点作为聚类中心（Medoid），这一特性使其对数据集中的噪声和异常值（Outliers）具有极强的抗干扰能力。

本项目完整复现了 PAM（Partitioning Around Medoids）风格的迭代优化流程，代码逻辑简洁直观，且内置了数据生成与可视化模块，非常适合用于理解无监督学习中的基于划分的聚类思想。

功能特性

• 抗噪鲁棒性：算法核心强制中心点必须是原始数据中的真实样本，有效避免了异常值拉偏聚类中心。
• 完整算法流程：实现了从随机初始化、距离计算、指派归类到中心点迭代更新的完整闭环。
• 自动数据生成：内置数据生成模块，自动创建包含高斯分布簇和随机背景噪声的二维测试数据。
• 高效距离计算：利用 MATLAB 的向量化特性（或 pdist2）计算欧氏距离矩阵，并在迭代中复用。
• 丰富的可视化：

* 展示原始数据的分布情况（区分正常样本与噪声）。 * 通过颜色区分不同的簇。 * 绘制样本点与所属中心点的连线，直观展示归属关系。 * 用五角星高亮标记最终选定的 Medoids。 * 独立窗口绘制代价函数（Total Cost）的收敛曲线。

系统要求

• MATLAB R2016a 或更高版本（建议）。
• Statistics and Machine Learning Toolbox（可选）：如果有该工具箱，代码将自动使用优化的 pdist2 函数；如果没有，代码会自动切换到内置的手动向量化实现，无需额外安装库。

使用方法

1. 将源码保存为 main.m 文件。
2. 在 MATLAB 命令窗口或编辑器中直接运行 main 函数。
3. 程序将自动执行以下步骤：

* 生成模拟数据。 * 运行 k-medoids 算法进行训练。 * 输出迭代次数、最终代价值和耗时。 * 弹出两个图形窗口展示聚类结果和收敛分析。

代码核心逻辑与算法分析

本项目源码主要包含三个逻辑部分：主控流程、核心算法实现、辅助计算。

1. 主控流程 (main 函数)

• 参数配置：定义了样本总数（300）、簇数量（k=3）、最大迭代次数（100）等超参数。
• 数据合成：

* 使用 rng(42) 固定随机种子，确保实验结果可复现。 * 生成三个具有不同均值和方差的高斯分布簇。 * 在全局范围内撒入随机噪声点，用于验证算法对异常值的处理能力。 * 打乱所有数据的顺序，模拟真实场景。

• 可视化绘图：

* 子图1：绘制原始数据，展示未分类前的数据形态。 * 子图2：绘制聚类结果。包含根据类别着色的样本点、连接样本与中心的灰色连线（增强视觉联系）、以及被醒目标记出的最终 Medoids。 * 收敛图：单独绘制随迭代次数变化的 Cost 曲线，用于评估算法收敛速度。

2. 核心算法 (run_kmedoids 函数)

该函数实现了标准的迭代优化逻辑：

• 初始化阶段：

* 使用 randperm 从原始数据索引中随机抽取 k 个索引作为初始中心点。 * 预先计算所有样本点之间的距离矩阵 $D$，避免在循环中重复计算，提高效率。

• 迭代优化循环 (PAM流程)：

1. 指派步骤 (Assignment Step)： * 从距离矩阵中提取当前 k 个中心点对应的列。 * 对每一行求最小值，将每个样本点分配给距离最近的中心点。 * 计算当前的全局代价（所有点到其中心点的距离之和）。 2. 收敛检查： * 比较当前迭代的中心点索引集合与上一次是否一致（使用排序后的 isequal）。如果不一致则继续，否则跳出循环。 3. 更新步骤 (Update Step/Voronoi Iteration)： * 遍历每一个簇，提取属于该簇的所有样本点。 * 在簇内部计算寻找一个新的“最佳代表点”：该点到簇内其他所有点的距离之和最小。 * 将该最佳代表点的索引更新为该簇的新 Medoid。这一步确保了 Medoid 总是向簇内密度最大的位置移动。

3. 辅助功能 (calculate_distance_matrix 函数)

• 负责计算 $N times N$ 的全距离矩阵。
• 兼容性设计：代码首先检查是否存在 pdist2 函数。如果不存在（未安装工具箱），则使用 $a^2 + b^2 - 2ab$ 的公式进行手动向量化扩展计算，保证了代码在任何 MATLAB 环境下的可移植性。

注意事项

• 代码中为了视觉效果，当簇内点数少于 500 时会绘制连线。如果将样本量调整得非常大，建议注释掉绘图部分的相关代码以提高运行速度。
• 由于 K-medoids 对初始值的选择较为敏感（虽然比 K-means 好），不同的随机种子可能会导致收敛到不同的局部最优解，这是算法本身的特性。