C均值 算法步骤 （1） 任选C个模式特征矢量作为出事聚类中心：Z1，Z2 （2） 将待分类的模式特征矢量集{Xi}中的模式逐个按最小距离原则分化给C类中的饿某一类 （3） 计算重新分类后的各类心 （4） 如果Zj=Zi则结束，否则K=K+1转至（2）

ISODATA算法 算法步骤： (1) 预置 a. 设定聚类分析控制参数： lc=预期的类数， lNc=初始聚类中心个数(可以不等于c)， lθn =每一类中允许的最少模式数目(若少于此数不能单独成为一类)， lθs =类内各分量分布的距离标准差上界(大于此数就分裂)， lθD=两类中心间的最小距离下界(若小于此数，这两

K均值聚类算法，取前k个点为初始聚类中心，然后进行迭代聚类-K means clustering algorithm, fetch the first k points as initial cluster centers, then the iterative clustering

利用k-means算法进行聚类，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最有分类，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。-Algorithm using k-means clustering, K-means algorithm Euclidean distance as a similarity measure, it is the pursuit of the vector V corresponding to a initial

基改进的K-means聚类算法对已知初始聚类中心，对质心点进行求解，并考虑到不同点的权重问题。-Base Improved K-means clustering algorithm known initial cluster centers, centroid point is solved, taking into account the different points of the right to re-issue.