K-means matlab

K-means算法整体的思想比较简单。
给定一个数据集，有特征，无标签，可以用K-means算法对数据集分k类。
算法首先随机初始化k个中心点，然后重复更新中心点的位置直到收敛；
中心点位置的更新过程是：首先找到与每个点距离最近的中心点，构成每个中心点划分的k个点集，然后对于每个点集，计算点的均值代替中心点。
算法复杂度为$O(ckn)$，c为收敛常数。

Choose the value of k

首先的问题就是如何选取k值，即给定的特征数据集能划分为几类如何判断。除了实际经验判断外，还可以使用“肘部法则”来判断。
对任意的k，K-means算法的代价函数为：
J(c(1),...,c(m),