K-means聚类算法，并提供MATLAB函数使用示例。

简介：
聚类是一种将具有相似特征的数据成员归纳到若干组中的组织方式，它本质上是一种识别数据中潜在内在结构的手段。 聚类技术通常被定义为一种无监督的学习方法。 其中的K均值聚类算法因其简洁性以及高效性而广为人知，并因此成为所有聚类算法中最常用的选择。 在K均值算法中，用户会预先指定所需的簇的数量 *k* ，然后算法会反复根据一个预定义的距离函数，将数据集中的每一个数据点分配到 *k* 个不同的簇之中。 首先，算法会随机选取 *k* 个数据点作为初始的簇中心。 接着，对于数据集中的每一个数据点，都会计算其与所有簇中心的距离，并将该数据点分配给与其最近的簇中心。 最终形成的每个簇由其对应的簇中心以及被分配到该簇中的所有数据点共同构成。 完成所有数据点的分配后，每个簇的簇中心会根据该簇内现有数据的分布情况进行重新计算和更新。