大家好，今天我们介绍一种比较常用的k-means聚类算法。我们这里准备了三个仿真案例，第一个是一个标准的k-means聚类算法，第二个是一个自适应K值的k-means聚类算法，第三个是k-means聚类算法在网络数据聚类中的一个应用。

·我们先验证第一个，点击运行，点击main函数运行，可以看到这么一个结果，一个原始数据的二维坐标分布，一个是聚类后的二维数据坐标分布。然后我们看一下改进后的k-means算法。这里改进算法是指k值的自适应搜索，最后得到一个最优的聚类k值。

·然后我们测试第三组数据，我们简单仿真测试一下，分类结果是这样的：在matlab command窗口会搜索不同的k值，直到搜索到k=16为止。最后得到一个最优的k值，输出最优k值等于4。从仿真图上也可以看到聚类后的效果，大概是这么一个结果。

·然后我们再测试另外一组数据，比如说第二组数据，我们简单测试一下。然后我们测试第三个程序，在网络数据中的聚类应用，运行，这个数据的含义是不同区域ID的特征数据。可以看到相同区域的数据会被聚类到一个类别中。

大概是这么个结果，演示完毕。