k均值聚类算法（简单易懂好copy）

K-means聚类算法由J.B.MacQueen在1967年提出，是最为经典也是使用最为广泛的一种基于划分的聚类算法，属于基于距离的聚类算法。这类算法通常是由距离比较相近的对象组成簇，把得到紧凑而且独立的簇作为最终目标，因此将这类算法称为基于距离的聚类算法不同的是K - means算法还是动态聚类算法，是其中比较经典的算法。 算法简介： 随机选择 k 个数据点作为初始质心（聚类中心）。 将每个数据点划分给距离最近的质心，衡量两个样本数据点的距离有多种不同的方法，最常用的是欧氏距离。 重新计算每个簇的质心作为新的聚类中心，使其总的平方距离达到最小。 重复第 2 步和第 3 步，直到收敛。 %数据 load('iris.txt'); %初始聚类中心 C = [0 0; 1 0; 1 1; 1 2; 1 3]; %迭代次数设置