（草稿）
k-means:
1. 随机选取n个中心
2. 计算每个点到各个中心的距离
3. 距离小于阈值的归成一类。
4. 计算新类的质心，作为下一次循环的n个中心
5. 直到新类的质心和对应本次循环的n个中心的偏移不大，停止。
k-means++:
1. 随机选取n个中心（越远的被选取的概率越大，n个中心尽量远离）
2. 计算每个点到各个中心的距离
3. 距离小于阈值的归成一类。
4. 计算新类的质心，作为下一次循环的n个中心
5. 直到新类的质心和对应本次循环的n个中心的偏移不大，停止。
（草稿）
k-means:
1. 随机选取n个中心
2. 计算每个点到各个中心的距离
3. 距离小于阈值的归成一类。
4. 计算新类的质心，作为下一次循环的n个中心
5. 直到新类的质心和对应本次循环的n个中心的偏移不大，停止。
k-means++:
1. 随机选取n个中心（越远的被选取的概率越大，n个中心尽量远离）
2. 计算每个点到各个中心的距离
3. 距离小于阈值的归成一类。
4. 计算新类的质心，作为下一次循环的n个中心
5. 直到新类的质心和对应本次循环的n个中心的偏移不大，停止。