中文说明：k-均值是一个最简单的无监督学习算法，解决了众所周知的聚类问题。该过程遵循一个简单和容易的方法对给定的数据集通过一定数量的集群（假设k集群）固定。其主要思想是定义K中心，每一个集群。这些重心shoud在狡猾的方式，因为不同的位置会导致不同的结果。因此，更好的选择是把它们尽可能的远离对方。下一步是把每个点属于一个给定的数据集和它关联到最近的质心。如果没有点等候，第一步是完成和早期集运做。在这一点上，我们需要重新计算钾的新重心为从上一步产生的集群的重心。当我们这些钾的新重心，一个新的结合也要做相同的数据设置点和最近的新的质心之间。一个循环已经生成。由于这种回路我们可能注意到K重心位置改变自己一步一步直到没有更多的变化做。这个代码使用MATLAB的内部功能和记忆preallocations应用Kmeans算法的快速实现。这是一个高效的代码用于聚类的灰度或彩色图像或可用于群集的多维数组。
English Description：
K-means is one of the simplest unsupervised learning algorithms that solve the well known clustering problem. The procedure follows a simple and easy way to classify a given data set through a certain number of clusters (assume k clusters) fixed a priori. The main idea is to define k centroids, one for each cluster. These centroids shoud be placed in a cunning way because of different location causes different result. So, the better choice is to place them as much as possible far away from each other. The next step is to take each point belonging to a given data set and associate it to the nearest centroid. When no point is pending, the first step is completed and an early groupage is done. At this p