%Samples per Cluster
N=25
%Max iterations
K=200
%Lernrate
c = 0.5;
%Cluster 1 (Normalverteilte 2-Vektoren)
c1 = randn(2,N)-1.5
plot(c1(1,:), c1(2,:), '.');

%Zeichnen in ein Koordinatensystem + Schönheitskorrektur
hold on;
axis equal;
AXIS([-5 5 -5 5]);

%Cluster 2 (Normalverteilte 2-Vektoren)
c2 = randn(2,N)+1.5
plot(c2(1,:), c2(2,:), 'x');

%Matrix X erstellen
c1e = [c1 ; ones(1,N)];
c2e = [c2 ; ones(1,N)];
X = [c1e -c2e]

%Perzeptron Algorithmus
% w initialisieren (Gleichverteilte Zufallszahlen zwischen -1 und 1)
w=2*rand(1,3)-1
for k = 1:K
  brk = true;
  for i = 1:2*N
    if w*X(:,i) <= 0 %wenn falsch klassifiziert
        brk = false;
        w = w + (c * X(:,i)');
    end
  end
  if brk == true
      break;
  end
end

%Ausgabe der Anzahl von Iterationen
k
%Plotten der Trenngerade (für nicht senkrechte Trenngeraden)
fplot(@(x)[(w(1)*x + w(3))/-w(2)],[-5 5])

%aufräumen
clear all
hold off