，把对象归到离它最近聚点，从而得到一组聚类；然后计算出当前每个聚类的
f中心作为新的聚点，并把每个对象重新归到最近的聚点，用新聚类代替原聚类，循环执行这一过程。如果相邻两次的聚点没有任何变化，说明对象调整结束，聚类目标函数已经收敛，算法结束。22运用SPSS聚类分析员工绩效根据数据将企业员工按绩效分为三类，运用SPSS中的KMea
scluster快速聚类法直接对其进行聚类，输出每个样品的分类结果及相关信息。
表2最后各类的重心Cluster1工作质量工作产量工作出勤工作损耗工作态度工作能力85570755164982481829178838938989829583744479288520673775
根据输出结果中每个样品的分类信息，得出快速聚类法将企业员工绩效分为了三类：1case03case04case05case06case07case08case09case10case11case13case14case15case16case17case18case21；2case01case02case29case30；3case12case19case20case22case23case24case25case26case27case28。结合表2最后各类的重心来分析，可以看到第2类的员工绩效比另外两组要高，即第2类员工绩效最高，第1类员工绩效居中，第3类员工绩效较差。3，员工绩效的主成分分析，员工绩效的主成分分析31主成分分析的概念主成分分析也称主分量分析，是由Hotelli
g于1933年首先提出的，是利用降维的思路把多指标转化为少数几个不相关的综合指标的一种多元统计分析方法。在多变量分析中，为了尽可能完整的搜集信息，对每个样品往往要测量许多项指标，以避免重要信息的遗漏。然而，以变量形式体现的诸多指标很可能存在着很强的相关性，信息可能重叠、问题也变得较为复杂。因此，人们自然想到用少数几个不相关的综合变量来反映原变量提供的大部分信息。32主成分分析的步骤（1）计算各评价指标的平均值和协方差。（2）评价指标的中心标准化和计算相关矩阵ρ。由于不同的量纲会引起评价指标的分散程度差异较大，为了消除量纲的影响，要将评价指标的各个数据作中心标准化处理。（3）计算相关矩阵的特征值和特征向量。相关矩阵计算之后，分别算出矩阵的特征值λ1，…，和对应的特征向量α1，…，λ2，λpα2，αp，αiα1iα2i，…αpiT，并将特征向量单位正交化，得到单位正交向量。（4）计算主成分的贡献率和主成分的表达式。在实际问题中，如果前m个主成分的累计贡献率超过85以上，就可以用这m个主成分代替所有的原始评价指标。（5）计算主成分的值。将标准化的数据带入主成分表达式，分别计算得到前m个主成分值，然后计算出主成分的r