1.一种k‑means聚类糖尿病预警模型的改进方法，其特征在于，包括如下步骤：步骤1，第一个聚类中心点的选择；所述步骤1中第一个聚类中心点的选择，是对初始聚类中心的选择进行改进，使其落在各簇类的中心部位，定义聚类簇数为K、领域半径为ε，计算每一个点与第一个聚类中心点的距离dist(x)，选取dist(x)值大的点作为新的聚类中心，对每一个dist(x)求和得到Sum(dist(x))，将最大的Sum(dist(x))作为第一个聚类中心点，步骤2，选择得到新的聚类中心；

步骤3，遍历操作，重复上述步骤2直至得到所需K个中心点；选择得到新的聚类中心的过程为：取一个在Sum(dist(x))内的随机值Random，重复通过公式计算，所述公式为：Random＝Random‑dist(x)，

直至Random≤0，选择当前dist(x)对应的样本点为下一个聚类中心点，否则Random减去下一样本点对应的dist(x)，保证距离较大的dist(x)被较大概率选中，并将所需K个中心点，记为{μj，j＝1，...，K}，如此重复执行，寻找所有聚类中心，步骤4，簇标记；所述步骤4中标记样本簇，是计算每个样本xi与聚类中心{μj，j＝1，...，K}的距离distod，根据其距离最近确定样本xi的簇标记λi，并将样本xi划入相应的簇：表示簇标记λi对应的簇，

步骤5，更新操作，更新所有聚类中心点；所述步骤5更新所有聚类中心点，是计算所有新的聚类中心，根据公式 计算簇 的中心向量，当μ′j＝μj时，保持当前中心不变，当μ′j≠μj时，将当前μj更新为μ′j，其中 表示聚类中心μj对应的簇，x表示所属簇 的所有样本数据点，步骤6，得到稳定的各簇中心，代入糖尿病分段函数，得到糖尿病的预警模型，所述糖尿病分段函数表示为：式中，μi为第i个聚类中心，i＝1，2，3，0表示健康、1表示I级预警、2表示II级预警，x代表样本，distod(x‑μi)代表样本与聚类中心μi的距离。

2.根据权利要求1所述k‑means聚类糖尿病预警模型的改进方法，其特征在于，所述步骤6构建糖尿病预警模型，是根据步骤1到步骤5得到稳定的各簇中心，代入糖尿病分段函数，得到糖尿病的预警模型。