end point

粒⼦群实现K-means聚类+常规K-means（Matlab源码实现）

K-means导⼊

K-means是我们最常⽤的基于欧⽒距离的聚类算法，其认为两个⽬标的距离越近，相似度越⼤；

1传统K-means实现

1.1算法流程

流程：

1、导⼊数据，得到数据维度和取值范围，同时确定聚类数：K;

2、初始化聚类中⼼，常使⽤随机数；（由于是随机数⽣成初始聚类中⼼，有时会导致算法不收敛）；

3、计算每个点到K个聚类中⼼的距离（欧⽒距离），根据距离最⼩原则将数据分配到K个类中；

4、利⽤K个类中数据，计算并更新均值更新K个聚类中⼼；

5、重复步骤3-4，直到收敛（a.达到最⼤迭代次数，b.聚类中⼼或者总距离不再明显变化）。

1.2算法实现

1.2.1数据集

本次实验使⽤的2维3分类数据集。其数据集链接