执行 k 均值聚类

使用三种分布生成训练数据集。

使用 kmeans 将训练数据分成三个簇。

绘制簇和簇质心。

将新数据分配给现有簇

生成测试数据集。

使用现有簇对测试数据集进行分类。使用 pdist2 找到距离每个测试数据点最近的质心。

使用 idx_test 和 gscatter 绘制测试数据并对测试数据加标签。

生成代码

生成将新数据分配给现有簇的 C 代码。请注意，生成 C/C++ 代码需要 MATLAB® Coder™。

定义名为 findNearestCentroid 的入口函数，该函数接受质心位置和新数据，然后使用 pdist2 找到最近的簇。

在入口函数的函数签名后面添加 %#codegen 编译器指令（即 pragma），以指示您要为此 MATLAB 算法生成代码。添加此指令指示 MATLAB 代码分析器帮助您诊断和修复在代码生成过程中可能导致错误的违规。

注意：如果您点击位于此页右上角的按钮，并在 MATLAB® 中打开此示例，则 MATLAB® 将打开示例文件夹。该文件夹包括入口函数文件。

使用 codegen (MATLAB Coder) 生成代码。由于 C 和 C++ 是静态类型语言，因此必须在编译时确定入口函数中所有变量的属性。要指定 findNearestCentroid 的输入的数据类型和数组大小，请使用 -args 选项传递表示具有特定数据类型和数组大小的值集的 MATLAB 表达式。有关详细信息，请参阅 Specify Variable-Size Arguments for Code Generation。

codegen 生成 MEX 函数 findNearestCentroid_mex，扩展名因平台而异。

验证生成的代码。

isequal 返回逻辑值 1 (true)，这意味着所有输入都相等。这一比较结果确认 pdist2 函数、findNearestCentroid 函数和 MEX 函数均返回相同的索引。

您还可以使用 GPU Coder™ 生成优化的 CUDA® 代码。

有关代码生成的详细信息，请参阅General Code Generation Workflow。有关 GPU Coder 的详细信息，请参阅Get Started with GPU Coder (GPU Coder) 和Supported Functions (GPU Coder)。