文本的自收斂分類：

隨機的挑選出一些類的中心，然后來優(yōu)化這些中心，使他們和真實的聚類中心盡可能一致。

隨機挑選K個點，作為起始的中心c₁(0)，c₂(0)，...，c_k（0）。

計算所有點到這些聚類中心的距離，將這些點歸到最近的一類中。

重新計算每一類的中心，假定某一類中的v，每一個點有多個維度，最簡單的方法就是利用這些類的中心w=w₁，w₂，...，w_m作為其中心，其中第i維的值計算如下：

w_i=（v_1i+v_2i+...+v_mi）/m

新的聚類中心和原先的相比會有一個位移。

重復(fù)上述過程，直到每次新的中心和舊的中心之間偏移非常非常小，即過程收斂。

期望最大化和收斂的必然性：

如果我們優(yōu)化的目標(biāo)是一個凸函數(shù)，那么一定能保證得到全局最優(yōu)解；如果不是，則得出的可能是局部最優(yōu)解而非全局最優(yōu)解。