我有一个非常大的文件，大约 10GB。我无法将其加载到内存中，因此我设法将其传输到 .mat 文件。但是当我尝试集群时，仍然会出现"内存不足"问题。我认为它的最终解决方案是将这些内存的东西放到磁盘上。但是我需要从 matlab 调用 kmeans（） 方法。有没有办法在不重写方法的情况下将 kmeans 中的局部变量也放入磁盘？
您需要一种处理大型数据集的策略。可能性是：
- 使用具有足够内存的系统
- 降低数据集的精度。对于聚类，小错误和缩放并不重要，如果可能，请将属性更改为缩放的 uint8 或 uint16。（显然，删除所有不相关的数据）
- 使用更合适的算法。我不是这个领域的专家，但CLARA和CLARANS是两种选择。这些算法不需要只包含一部分数据，应该可以与 matfile 结合使用，以仅将相关部分保留在内存中。
当您加载数据时，它会首先加载到计算机的 RAM 内存中，因此我认为解决您问题的唯一最终解决方案是拥有 16GB 的 RAM。
如果数据不是高度非线性的，您可能可以尝试对数据进行下采样。如果您有兴趣，可以阅读参考 http://www.mathworks.com/help/signal/ref/downsample.html
例如，您可以获取数据，按比例 = 4 进行缩减采样，然后您将拥有 2.5GB 的数据。您可以走得更远，但它会增加错误。处理后，您可以使用不同的技术对数据进行上采样（Matlab 内置所有功能）。 不幸的是，我不知道您的数据类型，因此，如果我的答案与您的问题不匹配，对不起。