聚类算法——K-means, K-means++, KNN, GMM,

K-means 算法思想：

1.初始化聚类个数及中心点。人为给定。

2.划分数据到每个类。计算样本数据到各聚类中心的距离（欧式距离或其他距离等），把每个样本划分到最近的类中。

3.重新计算类中心点。一般是求坐标平均值。

4.重复2、3步骤。直到聚类中心不再移动位置。

opencv函数kmeans使用方法：

原型：double kmeans(InputArray data, int K, InputOutputArray bestLabels, TermCriteria criteria, int attempts, int flags, OutputArray centers=noArray() )

    data：[IN] 输入样本，一行是一个样本。类型float。

    K：[IN] 类别数

    bestLabels：[OUT] 输出类别标签。与data有相等行数，1列，类型CV_32SC1