也证实了这种轮换法在应用于那些具有一定聚类结构、各个簇大小相差不很大的数据点分布时比前两种算法有更好的聚类效果及更好的稳定性
并对它的时间复杂度较前两种算法高在何处作了一定的分析
） 摘要： 先对k-平均算法和k-中心点算法作了简单的介绍和讨论
说明这种轮换法是以牺牲时间复杂度来换取更好的搜索性能
接着提出了一种具有单纯型法思想的k-中心点轮换法
k-中心点轮换法
从而得到更好的聚类效果
对它的聚类效果良好、对初始中心点集不太敏感这个优点作了一定的说明
最后通过几个平均最终目标函数值与聚类数目的关系图得出一个比较直观的实验结论：最合适的聚类数目往往就在平均最终目标函数值与聚类数目所形成的关系折线的那个拐角位置（平均最终目标函数值下降由快到慢的交界位置）
