Step 1：从集中数据信息中随机选择 $K_0$ 个样本作为原始聚类算法管理中心 $C=\left\{C_1,C_2,\cdots ,C_{k_0}\right\}$ ；

Step 2：对于每个集中的数据信息模板，将其计算到聚类算法管理中心C。将其间距分类到由聚类算法管理中心以最小间距匹配的聚类中

Step 3：要区分每个类别中的元素数量是否少于该数量，必须丢弃该类别，设置K = K − 1，并将该类别中的样本分配给其余类别中距离最小的类；

Step 4：对于每种类型 $c_i$ ，重新计算它的聚类中心 $c_i=\frac{1}{\left|c_i\right|}{\displaystyle {\sum }_{x\in c_i}x}$ (即属于该类的所有样本的质心)

Step 5：如果当前 $K\le \frac{K_0}{2}$ ，表示当前类型的数量太少，则销毁实际操作；

Step 6：如果当前 $K\ge 2K_0$ ，表示今天有太多类型，请分解实际操作；

Step 7：如果迭代更新频率较高，则停止，否则返回第2步；