遗传距离 矩阵 来进行 K-means 聚类

如何利用遗传距离矩阵来进行K-means聚类
矩阵如下，横纵坐标相同，横纵坐标为标记，对标记进行K-means聚类

K-均值是发现给定数据集的k个簇的算法。簇个数k是用户给定的，每一个簇通过其质心（centroid），即簇中所有点的中心来描述。该算法是循环迭代式的。(1)初始化：随机选择K个点作为初始中心点，每个点代表一个group
(2)交替更新：计算每个点到所有中心点的距离，把最近的距离记录下来并把group赋给当前点；针对每一个group里的点，计算其平均并作为这个group的新的中心点
由于你这里不可以用欧式距离，如果用[1,2,...,9]代表类别，的话更新的点可能不在这个整数范围内，我建议选择k均值的变形--Kmedoids，同样也是先选择k，然后它更新是用簇内使用Medoids(中位数)作为新的聚点,不会溢出范围