程序的最终目的是形成一套标准的用于聚类、可扩展的工具。包括的内容有1. 聚类算法：Kmeans和Kmedoid算法、FCMclust, GKclust, GGclust算法 2. 评估分类原型：程序可以在二维图像上绘制出聚类的结果 3. 验证：程序给每一个算法提供验证机制，每个聚类算法会统计Partition Coefficient (PC), Classification Entropy (CE), Partition Index (SC), Separation Index (S), Xi

beni工具系统

无线网络PJ工具类，稳定版本的奶瓶工具。

机器学习评价内蕴方法，Xie-Beni指标是模糊K均值算法的聚类有效指标

针对核空间中模糊聚类算法的有效性评价问题,以核非线性映射为工具,将Xie-Beni指标推广到核Hilbert空间,得到其对应的核化形式,并指出该核化指标与VLL指标的区别和联系.在此基础上,通过比较实验,研究了核化的Xie-Beni指标对高斯核宽度β和模糊指数m的稳定特性.结果表明,核化的Xie-Beni指标较之VLL等其他指标具有更好的性能和可靠性,可优先作为核模糊聚类算法的有效性判据.