isodata算法就是先拟定一个预期类，再选取一些聚类中心，通过不断合并或者分裂聚类，达到分类的目的
关键就是在于，如何分裂，合并
要合并或者分裂 必须要确定一些指标
所以第一步就是要确定 某些指标
1.设置参数，
a，确定样本 {xn} ，
b，设置一个预期的分类数C，
c，确定聚类中心的个数Nc，（Nc不一定要等于C）
d ,确定每一个类最少数目
e，每个类样本维度的分量维度的标准差
f，类间最小距离
g 合并分裂次数
2.观察样本点与拟定聚类中心的关系
样本点{Xn} 与聚类中心{Nc} 哪一个近就归为哪一类
3.分裂或者合并
分裂的条件：
a.类太少
b，类中样本的某一维度的标准差过大，即超过我设置的标准值
c 类内样本平均距离大于所有类平均距离 （你这个聚类 太分散了）
d 类中元素太多
合并条件：
a 一个类里面点太少.
b 两个类距离太近
c 类的数目太多
一次分裂或者合并不够，需要多次迭代才能得到较好结果
4.设置迭代循环条件
递归的方式重复步骤三
以上是通俗的话
用教材的原文是
不要在乎加加减减 你高兴你可以自己改参数