利用k_means聚类算法的MapReduce并行化实现，为学习hadoop的同学提供参考

主要用的numpy库实现的，其中数据点的生成可以看我另外一个作业模式识别作业:....聚类设计那个用来生成数据

k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小

用c语言实现的传统k_meams算法可以实现对任意维数的数据进行统计，计算中心点，并进行分类数据以文本的形式读入，以文本的形式输出。

双重分形的matlab代码#K表示聚类以对图像进行二值化 在这里，我代表了用matlab编写的用于对图像进行二值化处理的一些代码。 主要思想是对患者的骨组织进行活检，然后对其显微图像进行多重分形分析，该组织的肿瘤已转移到骨骼上。 在这里，在下面显示的图片上，您可能会看到该算法如何拍摄微观图像（上部图片）并使它们成为二进制图像（下部图片集）。 ！[K_Means_Algorithm_Binarization_Of_Image]（我的二进制图片。png）

Matlab实现K-Means算法，附带测试数据集~可运行

简单的实现了K_means算法的可视化，这里分析的主要是坐标信息，数据源是文本信息txt文件。数据源大家可以修改

C++ 版的K_means 源代码，分类效果很好，

kmeans聚类学习 K_MEANS.ipynb

附带了150个4维数据，300个9维数据，68040个9维和16维数据，以文件的方式输出结果。