简介：面向机器学习初学者与需要快速上手聚类实验的开发者，这份资源以MATLAB为环境，系统整理了FCM模糊C均值、K-means、Kmedia等经典聚类算法的源代码与配套示例，帮助读者在无监督学习场景下完成数据分类与分析，并理解各算法背后的数学原理与适用边界。压缩包共74个文件、约2.05MB，以40个m脚本为核心实现，辅以gif与png图示、txt说明、htm与css页面及mat数据文件，另附FuzzyClusteringToolbox工具箱与PDF文档，涵盖数据标准化、聚类计算、结果可视化与轮廓系数等性能评估环节。已有4888人学习下载，读者可对照示例逐行理解初始化、隶属度更新与收敛判断流程，比较FCM对模糊边界、K-means对凸形均匀类别的差异，并借助工具箱简化调试、提升实验效率。
1. 四种聚类算法源码包：拿到手就能跑的 MATLAB 聚类实验底稿
做聚类实验最耗时间的往往不是想算法，而是把 Kmeans、FCM、层次聚类、神经网络聚类这四套东西凑到一个能对比的框架里。网上下载的单文件脚本，输入格式各不一样，画出来的图风格也不统一，跑完一组参数想换数据重跑，还得改半天路径。这个源码包解决的正是这件事：四种聚类算法各有一份独立实现，配一份示例脚本，数据加载、参数设置、结果可视化都按同一套接口组织，换数据集只需要改一个变量。适合正在做模式识别课程设计、写论文对比实验，或者想拿 MATLAB 快速验证聚类效果再决定要不要上 Python 重写的开发者。MATLAB 的矩阵运算写 FCM 的隶属度更新天然顺手，这也是这类实验代码长期留在 MATLAB 里的原因。
2. 项目结构与技术选型：四套算法怎么组织在一个目录里
2.1 目录布局与文件职责
拿到压缩包先别急着点运行，花两分钟看清目录，后面改参数能省很多来回。这类聚类源码包通常按「算法实现 + 示例脚本 + 数据」三层组织，结构大致如下：
clustering-demo/ ├── algorithms/ │ ├── kmeans_core.m % 标准 Kmeans，含空簇处理 │ ├── fcm_core.m % 模糊 C 均值，输出隶属度矩阵 │ ├── hierarchical_core.m % 层次聚类，返回合并树 │ └── nn_cluster_core.m % 神经网络聚类（竞争学习） ├── demo/ │ ├── run_all.m % 一键跑四种算法并对比 │ ├── demo_kmeans.m % 单算法示例 │ └── demo_fcm.m ├── data/ │ ├── iris.mat % 常用小数据集 │ └── synthetic_2d.mat % 二维合成数据，方便看聚类边界 └── utils/ ├── normalize_data.m % 归一化 └── plot_clusters.m % 统一可视化algorithms/下每个文件只做一件事：输入数据矩阵和参数，输出标签或隶属度。demo/负责调用和展示，utils/放公共函数。这种拆法的好处是，你想把 Kmeans 换成自己写的版本，只动一个文件，示例脚本不用碰。常见做法是每个 core 函数第一行做输入校验，维度不对直接报错，避免跑到一半才在矩阵乘法那里崩掉。
2.2 四种算法的定位差异
选型上要清楚这四者不是平级替换关系。Kmeans 是硬划分，速度快，对球形簇效果好，但对初始中心敏感；FCM 是软划分，每个样本对每个簇有隶属度，适合边界模糊的数据，代价是要设模糊指数 m 并迭代隶属度；层次聚类不需要预设簇数，输出树状图，适合样本量不大、想观察合并过程的场景；神经网络聚类这里一般指竞争学习类方法，用权重向量逼近簇中心，学习率衰减策略会影响收敛。示例脚本里通常用同一份二维数据跑四种，就是为了让你直观看到硬划分和软划分在边界上的差别。
2.3 运行环境与依赖
MATLAB 版本上没有太苛刻的要求，R2016b 之后基本都能跑，因为代码主要用基础矩阵运算，不依赖深度学习工具箱。唯一要注意的是如果示例里用了pdist、linkage这类统计工具箱函数，需要确认本机装了 Statistics and Machine Learning Toolbox。没有的话层次聚类部分会报未定义函数，解决办法要么装工具箱，要么用自写的距离矩阵计算替代。运行前把当前文件夹切到项目根目录，再执行addpath(genpath(pwd))，把子目录都加进搜索路径，否则 demo 里调algorithms/下的函数会找不到。
% 在项目根目录执行，把全部子目录加入路径 addpath(genpath(pwd)); % 确认路径生效，能列出算法文件 which kmeans_coregenpath会递归包含所有子文件夹，which返回函数所在路径说明加载成功。这一步看着琐碎，但很多人第一次跑报「未定义函数」就是忘了加路径，血泪经验是把它写进startup.m，以后打开 MATLAB 自动执行。
3. 核心算法拆解：从 Kmeans 到 FCM 的逐段实现
3.1 Kmeans 主循环与空簇处理
Kmeans 的核心就三步：分配样本到最近中心、更新中心、判断收敛。真正容易翻车的是空簇——某个中心一个样本都没分到，直接求均值会得到 NaN。合格实现里都会处理这种情况，常见做法是把空簇中心重置到离现有中心最远的样本点上。
function [labels, centers, iter] = kmeans_core(X, k, maxIter, tol) % X: n x d 样本矩阵；k: 簇数；maxIter: 最大迭代；tol: 中心变化阈值 [n, d] = size(X); % 随机选 k 个不同样本作为初始中心 idx = randperm(n, k); centers = X(idx, :); labels = zeros(n, 1); for iter = 1:maxIter % 计算每个样本到各中心的欧氏距离平方 dist = zeros(n, k); for j = 1:k diff = X - centers(j, :); dist(:, j) = sum(diff.^2, 2); end [~, newLabels] = min(dist, [], 2); % 空簇处理：把空簇中心挪到最远样本 for j = 1:k if ~any(newLabels == j) [~, farIdx] = max(min(dist, [], 2)); centers(j, :) = X(farIdx, :); end end % 更新中心 newCenters = centers; for j = 1:k members = X(newLabels == j, :); if ~isempty(members) newCenters(j, :) = mean(members, 1); end end shift = max(sqrt(sum((newCenters - centers).^2, 2))); centers = newCenters; labels = newLabels; if shift < tol break; end end end逐段看：randperm保证初始中心不重复，比纯随机取点稳；距离用平方欧氏，省一次开方，比较大小等价；空簇那段先算每个样本到最近中心的距离，取最大者作为新中心，避免 NaN；收敛判据用中心最大位移而不是标签变化，因为标签在边界样本上可能来回跳，中心位移更平滑。参数上tol一般设 1e-4 到 1e-6，maxIter给 100 到 300 足够，k 超过样本数十分之一时初始化和空簇问题会明显变多。
3.2 FCM 隶属度更新与目标函数
FCM 比 Kmeans 多一层隶属度矩阵 U，大小是 n×k，每行和为 1。迭代公式是固定的：先算隶属度，再更新中心，最后算目标函数判断收敛。模糊指数 m 控制划分的模糊程度，m 越接近 1 越像硬划分，常用 1.5 到 2.5。
function [U, centers, obj] = fcm_core(X, k, m, maxIter, tol) % m: 模糊指数，通常取 2；U: n x k 隶属度矩阵 [n, ~] = size(X); U = rand(n, k); U = U ./ sum(U, 2); % 行归一化 objHist = zeros(maxIter, 1); for iter = 1:maxIter % 更新中心：按隶属度的 m 次方加权 Um = U .^ m; centers = (Um' * X) ./ sum(Um, 1)'; % 更新隶属度 dist = zeros(n, k); for j = 1:k diff = X - centers(j, :); dist(:, j) = sum(diff.^2, 2); end dist = max(dist, 1e-10); % 防止除零 ratio = dist .^ (-1/(m-1)); U = ratio ./ sum(ratio, 2); % 目标函数 objHist(iter) = sum(sum(Um .* dist)); if iter > 1 && abs(objHist(iter) - objHist(iter-1)) < tol break; end end obj = objHist(1:iter); end中心更新那行(Um' * X) ./ sum(Um, 1)'是矩阵化写法，比循环快很多，注意转置方向别搞反。隶属度更新里dist加了下限 1e-10，否则样本恰好落在中心上会除零得到 Inf。目标函数是隶属度加权距离和，单调不增，用它判断收敛比看 U 的变化更可靠。m 取太小会退化成 Kmeans 且数值不稳，取太大所有样本隶属度趋近 1/k，划分失去意义，这是 FCM 最常见的参数坑。
3.3 层次聚类与神经网络聚类的接口统一
层次聚类一般直接调linkage得到合并树，再用cluster按簇数切分；神经网络聚类用竞争学习，权重向量按学习率向胜出样本靠拢。为了让四种算法在 demo 里能统一调用，建议每个 core 函数都返回labels作为第一输出，FCM 额外返回 U。这样run_all.m里可以写一个循环，把四个函数句柄放进 cell 数组依次执行，结果存进结构体再统一画图。接口统一这件事看着不起眼，但做对比实验时能省掉大量手工对齐标签的功夫，尤其是写论文要出对比表格的时候。
4. 跑通示例：数据准备、参数设置与结果对比
4.1 数据加载与归一化
示例数据一般是.mat文件，用load读进来后先看变量名和维度。聚类对量纲敏感，欧氏距离下数值大的特征会主导结果，所以跑之前统一做归一化。utils/normalize_data.m通常做 z-score 或 min-max，二选一即可，关键是四种算法用同一份归一化后的数据，否则对比没有意义。
load('data/synthetic_2d.mat'); % 假设变量名为 X X = normalize_data(X); % z-score 归一化 k = 3; % 预设簇数normalize_data内部按列减均值除标准差，返回同尺寸矩阵。如果数据里有常数特征，标准差为 0 会出 NaN，稳妥写法是加一个极小值保护。二维合成数据适合入门，因为能直接画散点看边界；换成 iris 这类四维数据时，可视化要降维或者只画前两维，别指望一张图看全。
4.2 一键对比脚本的写法
run_all.m的价值在于把参数集中在一处，改一次全部生效。典型写法是用结构体存参数，四个算法各跑一遍，记录耗时和聚类指标。
params.k = 3; params.maxIter = 200; params.tol = 1e-5; params.m = 2; % FCM 模糊指数 results = struct(); tic; [results.kmeans.labels, results.kmeans.centers] = ... kmeans_core(X, params.k, params.maxIter, params.tol); results.kmeans.time = toc; tic; [results.fcm.U, results.fcm.centers] = ... fcm_core(X, params.k, params.m, params.maxIter, params.tol); results.fcm.time = toc; % 层次聚类与神经网络聚类同理，统一存进 resultstic/toc记录耗时方便对比效率，结构体分层存结果便于后面取用。注意 FCM 返回的是隶属度，画硬边界时要先[~, labels] = max(U, [], 2)转成标签，这一步漏了会导致画图函数报维度不匹配。参数集中管理还有个好处：做敏感性分析时只改params.m或params.k，外面套一层循环就能批量跑。
4.3 结果可视化与指标计算
plot_clusters.m一般接收数据、标签、中心三个参数，散点按标签着色，中心用大标记标出。二维数据直接画，高维数据要么选两维要么先做 PCA。除了看图，建议顺手算轮廓系数或簇内平方和，光看图容易自我说服，指标能兜底。
| 算法 | 主要输出 | 关键参数 | 适用场景 |
|---|---|---|---|
| Kmeans | 标签、中心 | k、maxIter、tol | 球形簇、大数据量 |
| FCM | 隶属度、中心 | k、m、maxIter | 边界模糊、软划分需求 |
| 层次聚类 | 合并树、标签 | 距离度量、链接方式 | 小样本、想看合并过程 |
| 神经网络聚类 | 标签、权重 | 学习率、迭代次数 | 在线学习、原型逼近 |
表格里参数只是常用起点，实际调参要看数据分布。轮廓系数用silhouette函数算，输入数据和标签即可，值越接近 1 聚类越紧凑。注意层次聚类的标签编号和 Kmeans 不一定对应，对比时别直接按编号匹配，要用指标而不是标签相等来判断。
5. 避坑与排查：跑聚类代码时最容易翻车的几处
5.1 报「未定义函数或变量」
现象是运行 demo 立刻报错，提示某个 core 函数找不到。原因基本是当前路径不在项目根目录，或者没执行addpath。解决方法是切到根目录跑addpath(genpath(pwd))，再用which确认。如果which能找到但运行仍报错，检查函数文件名和函数名是否一致，MATLAB 以文件名为准，名字对不上会调不到。
5.2 聚类结果每次都不一样
Kmeans 和 FCM 都有随机初始化，不设随机种子每次结果不同，做对比实验时会被误认为算法不稳定。解决是在脚本开头固定种子rng(42)，让初始化可复现。但要注意固定种子只是让本次可复现，不代表这组初始化就是最优的，正式实验建议多次运行取指标平均，而不是拿一次结果下结论。
5.3 FCM 隶属度出现 NaN 或全相等
现象是 U 矩阵里有 NaN，或者每行隶属度都接近 1/k。前者多半是某样本到中心距离为 0 导致除零，检查dist有没有加下限保护；后者是模糊指数 m 设得过大，划分被过度平滑。解决是把 m 调回 1.5 到 2.5 区间，并确认距离计算没有溢出。数据量纲差异大时也会加剧这个问题，归一化别省。
5.4 空簇导致中心为 NaN
Kmeans 里某个簇没分到样本，直接mean空矩阵返回 NaN，后续距离计算全崩。现象是中心矩阵出现 NaN 且迭代不收敛。解决是按 3.1 里的空簇处理逻辑，把该中心重置到最远样本，或者干脆减少 k 值。k 设得接近样本数时这个问题高发，先确认簇数是否合理再调代码。
5.5 层次聚类内存或耗时爆炸
样本量上千时，pdist生成的距离矩阵是 n×n，内存占用按平方增长，几千个样本就可能卡死。现象是运行很久没反应或者报内存不足。解决是控制样本量，或者改用不预先算全距离矩阵的实现；做演示时用几百个样本足够看出树状图结构，没必要拿全量数据硬跑。
6. 二次开发：把示例代码改成自己的实验框架
拿到这套代码后，最值得做的改造不是重写算法，而是把「参数—运行—评估」这条链路固化下来，让它能批量出结果。我一般会新建一个experiment.m，外层用循环遍历簇数 k 和模糊指数 m，内层对每个参数组合多次运行取平均，结果写进表格。这样一次跑完就能得到 k 值选择曲线，比手工改参数点运行高效得多。
kList = 2:6; mList = [1.5, 2.0, 2.5]; records = []; for k = kList for m = mList scores = zeros(5, 1); for rep = 1:5 rng(rep); % 每次重复固定不同种子 [U, ~] = fcm_core(X, k, m, 200, 1e-5); [~, lab] = max(U, [], 2); scores(rep) = mean(silhouette(X, lab)); end records = [records; k, m, mean(scores)]; end end这段的关键点是重复运行取均值，单次结果受初始化影响太大，直接拿来选参数容易过拟合到某次随机。rng(rep)让每次重复的种子不同但可复现，silhouette作为评估指标和算法本身解耦，换算法也能用。改造时还有两个地方值得注意：一是把数据加载和归一化抽成独立函数，换数据集只改一处；二是给每个 core 函数加输入维度校验，维度不对立刻报错，别等到矩阵乘法才崩。验证改造是否成功，最简单的办法是拿同一份数据跑改造前后，确认指标在随机波动范围内一致，再去看批量结果。
从那以后我每次改聚类实验代码，都强制先用小样本跑一遍全流程再上全量数据，这个习惯帮我省掉过好几次跑到一半才发现标签维度对不上的返工。希望帮到你。
本文还有配套的精品资源，点击获取
