K-means算法实现

1.实验数据构建
首先构建实验所用的数据，这里我才用的是随机数生成的形式，生成1000个二
维空间的点，存储到特定文件与集合中，并在函数结束时将集合返回。代码如下：

2.K-means算法实现
有了数据之后，接下来要做的就是K-means算法本身的实现了，首先，先初始化
k个点作为初始中心点，这里的k值我设置为3。为了使得生成的初始中心点与实际的数据点分布相符，我采用了x_rand = min + (max-min)*random(1)的形式，其中min与max分别为当前维度取值的最大值与最小值，x_rand为当前维度的初始值。代码如下：

有了初始中心点后，便开始进行聚类。遍历所有的数据点，针对每一个数据点，找出距离该数据点距离最近的中心点，然后将该数据点与对应中心点归为一类。完成一次遍历后，针对每一个类别，计算类别中所有数据的每个维度的平均值，将所有维度平均值组合起来形成新的中心点，然后重复上述过程，直至所有数据点的类别不再变化为止。代码如下：