聚类算法实验,采用两种不同类型的聚类算法:基于划分的聚类方法k-means和基于层次的聚类方法CURE，采用的数据集是：Iris Data Set，数据集中共包含150组数据信息。 材料中有详细的说明文档，具体介绍了算法实现的细节，很容易理解-Clustering algorithm experiment, using two different types of clustering algorithm: Partition-based clustering method k-means

K-均值聚类算法，属于无监督机器学习算法，发现给定数据集的k个簇的算法。 首先，随机确定k个初始点作为质心，然后将数据集中的每个点分配到一个簇中，为每个点找距其最近的质心， 将其分配给该质心对应的簇，更新每一个簇的质心，直到质心不在变化。 K-均值聚类算法一个优点是k是用户自定义的参数，用户并不知道是否好，与此同时，K-均值算法收敛但是聚类效果差， 由于算法收敛到了局部最小值，而非全局最小值。 K-均值聚类算法的一个变形是二分K-均值聚类算法，该算法首先将所有点作为一个簇，然

利用java实现了k-means聚类，数据集是由Math.random函数产生的。-K-means clustering was achieved with Java.The data set was created by Math.random.

用python实现k-means算法。随机生成二位可视化数据集 然后进行可视化聚类(The k-means algorithm is implemented with Python. Randomly generate two bit visual data set and visualize clustering.)