本例实现的动态聚类中的ISODATA算法，是一种逻辑结构较为复杂的算法，通过样本均值的迭代计算得到聚类中心。-In this case to achieve the dynamic clustering ISODATA algorithm, is a logical structure more complex algorithm, the iterative sample mean calculated cluster center.

义了一个欧氏距离和监督信息相混合的新的最近邻计算函数，从而将K一均值算法很好地应用于半 监督聚类问题。针对K一均值算法初始质心敏感的缺陷，用粒子群算法的搜索空间模拟聚类的欧氏空间，迭代搜 索找到较优的聚类质心，同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集 上测试都得到了较好的聚类准确率。-Righteousness of a Euclidean distance and supervision of a mixture of new nearest n