使用kmean 和 slc的聚类算法，内附详细的实验报告和实验结果图。

数据挖掘kmeams算法实现聚类分析 ，数据源使用sythetic_control_chart.data。 实验报告，包含全部代码

采用可视化编程工具（如Matlab、Java等）实现一种数据挖掘技术（如K-means聚类、EM聚类等），并进行其挖掘过程和结果的可视化展现，最后采用一组数据，展示其可视化数据挖掘过程和结果。

1.理解掌握K-means聚类算法的基本原理； 2.学会用python实现K-means算法 K-Means算法是典型的基于距离的聚类算法，其中k代表类簇个数，means代表类簇内数据对象的均值（这种均值是一种对类簇中心的描述），因此，K-Means算法又称为k-均值算法。K-Means算法是一种基于划分的聚类算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类簇。数据对象间距离的计算有很多种，k-means算法通常采用欧氏距离来计