我需要使用相关距离进行一些聚类,但我需要绝对皮尔逊距离,而不是使用定义为d=1-r的内置“距离”“相关性”。在我的应用程序中,反相关的数据应该获得相同的集群ID。现在,当使用kmeans()函数时,我得到了高度反相关的质心,我希望通过组合它们来避免这种情况。现在,我对matlab还不是很熟练,在阅读kmeans函数时遇到了一些问题。可以为我的目的编辑它吗?当使用相关距离作为度量时,第1行和第2行应该获得相同的集群ID。
我做了一些尝试来编辑内置的matlab函数( open kmeans- >第775行),但奇怪的是-当我更改距离函数时,我得到了一个有效的距离矩阵,但错误
import java.util.ArrayList;import java.util.Scanner;
public static void main(String[] args) { System.out.println("Please choose the minimum of your range: ");
double minimum