改进的基于划分算法的三维点云聚类matlab实现

根据网上基于划分法k-means的聚类算法，我做了改进。可以预设一个最大的类数和一个半径，自动划分合适的类。最终将随机三维点云聚类完成后显示为不同颜色。

function [ resXresY resZseedXseedYseedZrecord] = FunK_mean3D（ xyzkr）
   while 1
    j = 1;
    seedX = zeros（1k）;
    seedY = zeros（1k）;
    seedZ = zeros（1k）;
    oldSeedX = zeros（1k）;
    oldSeedY = zeros（1k）;
    oldSeedZ = zeros（1k）;
    resX = zeros（klength（x））;
    resY = zeros（klength（y））;
    resZ = zeros（klength（z））;
    record = zeros（1k）;  % 用来记录resX中每一行有效元素的个数
    p=2;
  while 1  
    if p == 0
      break;
    end
    for i = 1:k % 产生k个随机种子 注意： 随机种子是来自元素集合
        seedX（i） = x（ceil（rand（）*length（resX）））;
        seedY（i） = y（ceil（rand（）*length（resY）））;
        seedZ（i） = z（ceil（rand（）*length（resZ）））;
    end
   for j=k:-1:2
      p=0;
      for m=j-1:-1:1
          power（seedX（m）-seedX（j）2）+power（seedY（m）-seedY（j）2）+power（seedZ（m）-seedZ（j）2）
         if （power（seedX（m）-seedX（j）2）+power（seedY（m）-seedY（j）2）+power（seedZ（m）-seedZ（j）2））            p=1
            break;
         end
      end
       if p==1
          break;
       end
   end
  end
    while 1
        record（:） = 0; % 重置为零
        resX（:） = 0;
        resY（:） = 0;
        resZ（:） = 0;
        for i = 1:length（x） % 对所有元素遍历
            % 下面是判断本次元素应该归为哪一类，这里我们是根据欧几里得距离进行类别判定
            % k-mean算法认为元素应该归为距离最近的种子代表的类
            distanceMin = 1;
            for j = 2:k
                if （power（x（i）-seedX（distanceMin）2）+power（y（i）-seedY（distanceMin）2）+power（z（i）-seedZ（distanceMin）2））... 
                    > （power（x（i）-seedX（j）2） + power（y（i）-seedY（j）2）+power（z（i）-seedZ（j）2））
                    distanceMin = j;
                end
            end
            % 将本次元素点进行类别归并
            resX（distanceMinrecord（distanceMin） +1） = x（i）;
            resY（distanceMinrecord（distanceMin） +1） = y（i）;
            resZ（distanceMinrecord（distanceMin） +1） = z（i）;
            record（distanceMin） = record（distanceMin） + 1;
        end
        oldSeedX = seedX;
        oldSeedY = seedY;
        oldSeedZ = seedZ;
        % 移动种子至其类中心
        record;
        for i = 1:k
            if record（i） == 0
                continue;
            end
            seedX（i） = sum（resX（i:））/record（i）;
            seedY（i） = sum（resY（i:））/record（i）;
            seedZ（i） = sum（resZ（i:））/record（i）;
        end

    maxPos = max（record）;
    resX = resX（:1:maxPos）;
    resY = resY（:1:maxPos）;
    resZ = resZ（:1:maxPos）;

      % 如果本次得到的种子和上次的种子一致，则认为分类完毕。
        if mean（[seedX == oldSeedX&seedY == oldSeedY&seedZ == oldSeedZ]） == 1 
            % 这句话所想表达的意思就是 if seedX == oldSeedX && seedY == oldSeedY
            break;
        end
    end        
record（ find（record==0））=[];
     if length（record） == k
        break;
     end
  end

end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1439  2018-07-23 11:08  Untitled2.m
     文件        2915  2018-07-23 11:07  FunK_mean3D.m