类，设定聚类数为2个，相似度按照欧式距离计算。（15分）
解：（1）从数据集X中随机地选择k个数据样本作为聚类的出示代表点，每一个代表点表示一个类别，由题可知k2，则可设m12，m24：
（2）对于X中的任意数据样本xm（1xmtotal），计算它与k个初始代表点的距离，并且将它划分到距离最近的初始代表点所表示的类别中：当m12时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为2，8，10，13，1，19。
当m24时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为2，6，8，11，1，17。
最小距离是1或者1将该元素放入m12的聚类中，则该聚类为（2，3），另一个聚类m24为（4，10，12，15，21）。
（3）完成数据样本的划分之后，对于每一个聚类，计算其中所有数据样本的均值，并且将其作为该聚类的新的代表点，由此得到k个均值代表点：m125，m212：
（4）对于X中的任意数据样本xm（1xmtotal），计算它与k个初始代表点的距离，并且将它划分到距离最近的初始代表点所表示的类别中：当m125时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为05，05，15，75，95，125，185。
当m212时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为10，9，8，2，3，9。
最小距离是15将该元素放入m125的聚类中，则该聚类为（2，3，4），另一个聚类m212为（10，12，15，21）。
（5）完成数据样本的划分之后，对于每一个聚类，计算其中所有数据样本的均值，并且将其作为该聚类的
f新的代表点，由此得到k个均值代表点：m13，m2145：（6）对于X中的任意数据样本xm（1xmtotal），计算它与k个初始代表点的距离，并且将它划分到距离最近的初始代表点所表示的类别中：当m13时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为1，1，7，9，12，18，。当m2145时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为1258，115，105，45，25，05，65。最小距离是05将该元素放入m13的聚类中，则该聚类为（2，3，4），另一个聚类m2145为（10，12，15，21）。至此，各个聚类不再发生变化为止，即误差平方和准则函数的值达到最优。
四．设计题（45分）13按照题目给定的3个数据文件，任选一个建立数据流图，要求至少包括记录选项、字段选项、图形结点各一个。任选关联规则Apriori算法、贝叶斯网络、KMea
s聚类、决策树C50（C45）算法、神经网络中的一个进行挖掘，并给出数据流图。（10分）
14对以上数据流图中使用的每个结点做一简短说明。r