K-means点云聚类算法（python实现）

原理：

1. 目标：将样本集合划分为 K 个互不相交的子集，每个子集代表一个聚类。
2. 初始化：随机选择 K 个样本作为初始聚类中心。
3. 迭代优化：重复以下步骤，直到收敛：
   • 将每个样本分配到最近的聚类中心所在的类别中。
   • 计算每个聚类中心的均值，作为新的聚类中心。
4. 收敛条件：当聚类中心不再发生变化，或者变化很小，算法收敛。

数学公式：

1. 样本表示：假设有 m 个样本，每个样本有 n 个特征，用  表示第 i 个样本，  ∈。
2. 聚类中心表示：假设有 K 个聚类中心，用 表示第 k 个聚类中心，μ∈