输入聚类个数 k ，以及包含 n 个数据对象的数据库，输出满足方差最小标准的 k 个聚类。
k-means 算法接受输入量 k ；然后将 n 个数据对象划分为 k 个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个 “ 中心对象 ” （引力中心）来进行计算的。
k-means 算法的工作过程说明如下：首先从 n 个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数 。 k 个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
处理流程
（ 1 ） 从 n 个数据对象任意选择 k 个对象作为初始聚类中心；
（ 2 ） 循环（ 3 ）到（ 4 ）直到每个聚类不再发生变化为止 ；
（ 3 ） 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分；
（ 4 ） 重新计算每个（有变化）聚类的均值（中心对象）
计算复杂度：
O(nkt), 其中 t 是迭代次数。
下面是程序代码：
效果是分成了1,2,3,5,6,7,9,10,11 和 100,150,200 和 1000三组，和感觉上的聚类一样：）
[code lang="java"]
public class BasicKMeans {
public static void main(String[] args) {
double [] p={1,2,3,5,6,7,9,10,11,100,150,200,1000};
int k=3;
double [][] g;
g=cluster (p,k);
for ( int i=0;i<g. length ;i++){
for ( int j=0;j<g[i]. length ;j++){
System. out .print(g[i][j]+ "\t" );
}
System. out .println();
}
}
/**
* 聚类函数
* @param p 数据对象
* @param k 聚类数目
* @return
*/
public static double [][] cluster( double [] p, int k){
double [] c= new double [k]; // 旧的聚类中心
double [] nc= new double [k]; // 新的聚类中心
double [][] g; // 结果
/*
* 1. 初始化聚类中心（经典方式是随机选取 k 个，本例中取前 k 个）
*/
for ( int i=0;i<k;i++){
c[i]=p[i];
}
/*
* 2. 循环聚类，更新聚类中心直到不变为止
*/
while ( true ){
/*
* 2.1 根据数组中每个元素分配给当前聚类中心
*/
g=group (p,c);
/*
* 2.2 计算分配后的聚类中心
*/
for ( int i=0;i<g. length ;i++){
nc[i]=center (g[i]);
}
/*
* 2.3 更新聚类中心
*/
if (!equal (nc,c)){
c=nc;
nc= new double [k];
} else {
break ;
}
} //while(true)
return g;
}
/**
* 根据聚类中心 c 将数组 p 中元素分配到不同类别 !!!
* @param p 待分配的数组
* @param c 聚类中心数组
* @return
*/
private static double [][] group( double [] p, double [] c) {
int [] gi= new int [p. length ]; // 记录每个元素被归到哪一类
/*
* 考察每个元素 pi 同每个聚类中心 cj 的距离，
* 距离最小就将 pi 归为 j 类
*/
for ( int i=0;i<p. length ;i++){
double [] d= new double [c. length ];
for ( int j=0;j<c. length ;j++){
d[j]=distance (p[i],c[j]);
}
int minDistOffset=min (d);
gi[i]=minDistOffset;
}
double [][] g= new double [c. length ][]; // 存放分组结果
/*
* 根据上面找到的结果，设置好返回值
*/
for ( int i=0;i<c. length ;i++){
int s=0; // 某类的大小
for ( int j=0;j<gi. length ;j++){
if (gi[j]==i) s++;
}
g[i]= new double
s=0;
for ( int j=0;j<gi. length ;j++){
if (gi[j]==i){
g[i]
s++;
}
}
}
return g;
}
/**
* 重新计算一个类的中心（简单的以为聚类返回其算术平均值）
* @param gi
* @return
*/
private static double center( double [] gi) {
return sum (gi)/gi. length ;
}
/**
* 返回两点的一维欧氏距离
*/
private static double distance( double x, double y){
return Math.abs (x-y);
}
/**
* 返回数组和
*/
private static double sum( double [] arr) {
double sum=0.0;
for ( int i=0;i<arr. length ;i++){
sum+=arr[i];
}
return sum;
}
/**
* 返回数组（第一个）最小元素下标
*/
private static int min( double [] arr){
int min=0;
double minEle=arr[0];
for ( int i=1;i<arr. length ;i++){
if (arr[i]<minEle){
min=i;
minEle=arr[i];
}
}
return min;
}
/**
* 判断两个数组是否相同
*/
private static boolean equal( double [] a, double [] b){
if (a. length !=b. length ){
return false ;
} else {
for ( int i=0;i<a. length ;i++){
if (a[i]!=b[i]) return false ;
}
}
return true ;
}
}
[/code]