K-Means聚类算法，数据类型

K-Means聚类算法，数据类型如果开发者对于本文件有需要的可以参考，K-Means 算法是典型的基于距离的非层次聚类算法，在最小化误差函数的基础上将数据划分为预定的类数 K，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。 K-Means 聚类算法中，一般需要度量样本之间的距离、样本与簇之间的距离以及簇与簇之间的距离。度量样本之间的相似性最常用的是欧几里得距离、曼哈顿距离和闵可夫斯基距离。

算法过程：

1）从 N 个样本数据中随机选取 K 个对象作为初始的聚类中心；

2）分别计算每个样本到各个聚类中心的距离，将对象分配到距离最近的聚类中；

3）所有对象分配完成后，重新计算 K 个聚类的中心；

4）与前一次计算得到的 K 个聚类中心比较，如果聚类中心发生变化，转2)，否则转5)；

5）当质心不发生变化时停止并输出聚类结果。