K中心聚类法

算法步骤：
1 随机选择k个点作为“中心点”
2 计算剩余的点到这k个中心点的距离，每个点被分配到最近的中心点组成聚簇
3 随机选择一个非中心点Or，用它代替某个现有的中心点Oj，计算这个代换的总代价S
4 如果S<0，则用Or代替Oj，形成新的k个中心点集合

5 重复2，直至中心点集合不发生变化

R语言的pam()实现算法：

PAM使用离差平方和（离差平方和（Sumof Squares of Deviations）是各项与平均项之差的平方的总和）来计算成本S（类似于ward距离的计算）
R语言的cluster包实现了PAM
K中心法的优点：对于“噪音较大和存在离群值的情况，K中心法更加健壮，不像Kmeans那样容易受到极端数据影响
K中心法的缺点：执行代价更高

> library(cluster)
>x <- iris[, 1:4]
> kc <- pa