1、 从 n个数据对象任意选择 k 个对象作为初始聚类中心；
2、 根据每个聚类对象的均值（中心对象）,计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分；
3、 重新计算每个（有变化）聚类的均值（中心对象）
4、循环步骤2和3,直到每个聚类不再发生变化为止
缺点：
1、聚类个数K需要自己决定,因此在不知道具体有多少类时需要从2开始多次尝试,选择最好的
2、当k确定时,聚类效果和初始中心选择有关,所以算法很不稳定
3、算法在维数较多时,由于需要多次迭代,花费时间较长
简述K-means算法的基本过程及其不足.《数据挖掘》作业题追分100