K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。(The K-means algorithm is a hard clustering algorithm, which is representative of the prototy

实验示例是基于语音中的mfcc，语音倒谱特征来进行聚类，先利用训练样本来计算训练样本聚类中心（用到了lbg算法），之后再进行分类。 注意：使用代码时需要自己更改文件路径。(This example is based on the MFCC in speech and the feature of speech Cepstrum to cluster. First, the training sample is used to calculate the training sample clus

相似性划分，Q型聚类，是理想的多变量统计技术，主要有分层聚类法和迭代聚类法。 聚类分析也称群分析、点群分析，是研究分类的一种多元统计方法。(Similarity classification and Q clustering are ideal multivariate statistical techniques, including hierarchical clustering and iterative clustering. Cluster analysis, also known a

用natlab将iris数据聚类为三类。然后将结果与虹膜数据集中的正确结果进行比较，并计算分类精度(You are offered the iris dataset of the UCI dataset. Cluster the data to three categories. Then compare the result with the correct one in iris dataset and compute the classification accuracy.)

聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。 聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。(Clustering analysis refers to the process of grouping a collection of physical