Demo.mshows a K-means clustering demo
Kmeans_function文件夹包含以下文件来展示它作为函数的工作方式:
Test.m
km_fun.m

k -均值聚类是聚类和分割中最常用的算法之一。K-means聚类将每个特征点视为在空间中有一个位置。然后，基本K-means算法在多维测量空间中任意定位该数量的聚类中心。然后将每个点分配给其任意均值向量最接近的聚类。该过程继续进行，直到在算法的连续迭代之间类均值向量的位置没有显著变化。

以下文件中使用了此代码:
A. Asvadi, M. Karami, Y. Baleghi，“基于优化k -均值分割和径向基函数神经网络的有效目标跟踪”，《国际信息与通信技术研究杂志》(IJICT)，第4卷，第4期。1，第29-39页，2011年12月。