K-MEANS算法: 　　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...

今天写BP模型的时候，失败了。日哦，失败了还不知道问什么了，一种抑郁在心头啊。 看样子，以后不到万不得已，不能使用这东西了。 还要继续学习啊，这东西是在太高级了。

论文终于投出去了，哇哈哈，老师说可以投了我就把他给投出去了，结果就不知道了哈~~~~ 不过还是很高兴的就是了~~~中了，就是中文的核心期刊，能中EI更好，不行也可以哈，不想了，本来就很P的东西。 要感谢佘堃老师一直帮我改论文，我在他的帮助下学到了很多东西。 还要感谢大亮的英文，weide和jianyong的图图，感谢他们了。 第一篇论文以洋洋的半年时间终于写完了，觉得好有成就感洛。