聚类算法实验,采用两种不同类型的聚类算法:基于划分的聚类方法k-means和基于层次的聚类方法CURE，采用的数据集是：Iris Data Set，数据集中共包含150组数据信息。 材料中有详细的说明文档，具体介绍了算法实现的细节，很容易理解-Clustering algorithm experiment, using two different types of clustering algorithm: Partition-based clustering method k-means

BIRCH(Balanced Iterative Reducing and Clustering using Hierarchies)是一个综合的层次聚类算法。它用到了聚类特征(Clustering Feature, CF)和聚类特征树(CF Tree)两个概念，用于概括聚类描述。聚类特征树概括了聚类的有用信息，并且占用空间较元数据集合小得多，可以存放在内存中，从而可以提高算法在大型数据集合上的聚类速度及可伸缩性。 -BIRCH (Balanced Iterative Reducing and

一种高效的聚类算法给定要聚类的N的对象以及N*N的距离矩阵(或者是相似性矩阵), 层次式聚类方法的基本步骤(参看S.C. Johnson in 1967)-An efficient clustering algorithm given the object of the clustering N and N* N matrix of distances (or similarity matrix), the basic steps of the hierarchical clustering m