function?flag?=?EuclideanClusterExtraction（Pts?bandWidth?numNeighbours?maxIterTimes）
%?實現歐式空間聚類算法，多種子點區域增長
%?輸入:
%?????二維或者三維點???????????????Pts??????????????n*m矩陣
%?????聚類使用的鄰域半徑???????????bandWidth?????????
%?????建立KDTREE使用的鄰域點個數???numNeighbours????
%?????最大迭代次數????????????????maxIterTimes
%?輸出：
%?????輸入點對應的類別號，維數為n*1，max（flag）代表聚類得到的類別數
PtsSz?=?length（Pts）;
kdtreeobj?=?KDTreeSearcher（Pts‘distance‘‘euclidean‘）;
[ndis]?=?knnsearch（kdtreeobjPts‘k‘（numNeighbours+1））;
n?=?n（:2:numNeighbours+1）;
dis?=?dis（:2:numNeighbours+1）;
radius_idx?=?dis?n?=?n.*radius_idx;
clear?radius_idx?dis?Pts;
%?生成與原始數據大小對應的標簽數組
flag?=?zeros（PtsSz1）;
iter?=?1;
while（1）
????%?生成隨機種子點
????iterIdx?=?fix（PtsSz*rand（1））;
????%?如果種子點等于0，則重新生成
????while（iterIdx<1）
????????