k-means聚类算法的matlab实现

%N是数据一共分多少类
%data是输入的不带分类标号的数据
%u是每一类的中心
%re是返回的带分类标号的数据
function [u re]=KMeans（dataN）   
    [m n]=size（data）;   %m是数据个数，n是数据维数
    ma=zeros（n）;        %每一维最大的数
    mi=zeros（n）;        %每一维最小的数
    u=zeros（Nn）;       %随机初始化，最终迭代到每一类的中心位置
    for i=1:n
       ma（i）=max（data（:i））;    %每一维最大的数
       mi（i）=min（data（:i））;    %每一维最小的数
       for j=1:N
            u（ji）=ma（i）+（mi（i）-ma（i））*rand（）;  %随机初始化，不过还是在每一维[min max]中初始化好些
       end      
    end
   
    while 1
        pre_u=u;            %上一次求得的中心位置
        for i=1:N
            tmp{i}=[];      % 公式一中的x（i）-uj为公式一实现做准备
            for j=1:m
                tmp{i}=[tmp{i};data（j:）-u（i:）];
            end
        end
        
        quan=zero