摘要：ISODATA迭代自组织数据分析算法。 上一篇K-mean算法实质上应属于监督学习的算法，而这次的ISODATA算法则属于非监督学习，在不确定聚类中心数目的情况下，只根据提前设置好的参数对样本点进行分类，可以结合人机交互的结构，在K-mean算法的基础上增加了合并核和分裂两个操作，相对来说更为灵活。 阅读全文

摘要：在模式识别中，K均值算法主要用于分类数目已知的聚类，实现较为简单，算法目的清晰，属于较为简单的动态聚类算法之一。 算法中通过迭代判断前后两次算法的聚类中心是否一致，从而决定是否继续迭代(前后一致则退出算法，完成分类)。 下面的K均值算法的简单示例： 阅读全文