一维均值聚类使用MATLAB编写的程序。

简介：
k-means 算法需要指定参数 k 作为输入。随后，它将包含 n 个数据对象划分成 k 个簇，目标是确保每个簇内的对象之间具有较高的相似度，而不同簇之间的对象则呈现出较低的相似度。簇内对象的相似度是通过计算各簇中对象的均值，从而得到一个“中心对象”（也称为引力中心）来确定的。 k-means 算法的具体运作流程如下：首先，从这 n 个数据对象中随机选取 k 个对象作为初始的聚类中心点；接着，对于剩余的其他数据对象，根据它们与这些聚类中心点的相似程度（通常用距离来衡量），将其分配到与其最相似的聚类中心点所代表的簇中；最后，重新计算每个新形成的簇的聚类中心点（即该簇内所有对象的均值）。这个迭代过程会不断重复，直到某种标准测度函数达到收敛状态为止。通常情况下，均方差被用作标准测度函数。最终形成的 k 个簇具有以下关键特征：每个簇内部尽可能地紧凑，而不同簇之间则尽可能地分离开来。