k-means算法Java实现

Kmeans算法实例，有代码和运行结果，还有截图

用matlab编写的基于K-means图像分割，可直接运行.m文件。

k-means代码

数字图像处理的k-means算法实现，能够完全把图像分割为k个聚点，进而把图片分为k中不同的颜色，比如：k=2，图像包含两种颜色（黑，白）；k=3，图像包含两种颜色（黑白灰），等等。随着k值越大，图像越来越靠近原图色彩。

k-means测试数据

这是一个基于matlab语言的K-means算法的改进程序，代码完整易懂，里面包含有实际的数据集，能有利于对K-means算法感兴趣的研究学者或者开发人员

实验描述: 对指定数据集进行聚类分析，选择适当的聚类算法，编写程序实现，提交程序和结果报告。 数据集： Iris Data Set（见附件一） ，根据花的属性进行聚类。 数据包括四个属性：sepal length花萼长度，sepal width花萼宽度，petal length花瓣长度，petal width花瓣宽度。其中第五个值表示该样本属于哪一个类。 样本点间的距离直接用向量的欧氏距离。

本工程文件实现了K-means算法，对输入的样本数据实现了聚类分析，其中测试的样本数据在工程文件下的K-means文件夹下

之前学习并详细总结了一篇k-均值（k-means）算法思想与实现步骤的文章，于是顺便提供Matlab代码实现，使得更好的理解算法的思想。本代码有详细的注释使初学者能更好的学习Matlab这门工具语言。