1.其实HK算法思想很朴实，就是在最小均方误差准则下求得权矢量。

他相对于感知器算法的优点在于，他适用于线性可分和非线性可分得情况，对于线性可分的情况，给出最优权矢量，对于非线性可分得情况，能够判别出来，以退出迭代过程。

2.在程序编制过程中，我所受的最大困扰是：关于收敛条件的判决。

对于误差矢量：e=x*w-b

若e>0 则继续迭代

若e=0 则停止迭代，得到权矢量

若e〈0 则停止迭代，样本是非线性可分得，

若e有的分量大于0，有的分量小于0 ，则在各分量都变成零，或者停止由负值转变成正值时，停机。

3.在程序编制中的注意点：

1）关于0的判断，由于计算机的精度原因，严格等于零是很不容易的，而且在很多情况下也没有必要，则只要在0的一个可以接受的delta域内就可接受为零

2）关于判断，迭代前后，变量是否发生变化

在判断时，显然也不能直接判断a(i)==a(i+1)

而应该|a(i)-a(i+1)|〈err

4. HK详细代码如下：

unction [w,flag]=HK(data)
Iteration=20;
flag=0;
% [n,p]=size(data);
n=size(data,1);
b=ones(

事件：用GUI做K-Means聚类算法

目的：试图将每次迭代过程中各类的类心在listbox 中显示

以前的思维：在VB或VC中都可以很方便的用add方法

现状：Matlab中不支持这样的处理方式，matlab的思维是对于每一个unicontrol通过get,set来获得和设置相应的属性，当然在获取过程中要牵涉到句柄，这个很简单，不值得一说。

我首先查看了Listbox的所有属性，理所当然地会用string属性，关键是怎么更改属性，我最初的想法是将要显示的内容存放在一个字符数组里，为了不覆盖前面的内容，我这样做：

for ...

centerstr=[];

centerstr=[centerstr,newcontext];

set(handles.center_listbox,'string',centerstr);

end

但一般有一个问题很难预料到，就是centerstr和newcontext的维数匹配问题，我就是受这个问题所困扰。

显然，类心得坐标是double型的，在为数值型时，保留到小数点后面4位，但在num2str后之后，他把double型最后的零扔掉了，这就造成centerstr和newcontext的维数不匹配。我起初想到用if 语句来判断，谁的维数低了我把他补零，但在迭代过程中，这种现象是随机的，所以我费了很大力气，还是