请用伪代码的形式描述k-means算法的过程?

以下是k-means算法的伪代码：

输入：数据集D={x1, x2, ..., xn}，聚类数k
输出：k个聚类中心向量μ1, μ2, ..., μk

1. 从数据集D中随机选择k个样本作为初始聚类中心向量μ1, μ2, ..., μk
2. 当聚类中心向量未发生改变时，执行以下步骤：
   1) 将数据集D中的每个样本分配到距离其最近的聚类中心向量所在的簇中
        for i=1 to n do
            c(i) = argmin||xi - μj||^2, j=1,2,...,k
        end for
   2) 对于每个簇，重新计算该簇的聚类中心向量
        for j=1 to k do
            μj = (1 / |Cj|) * ∑xi∈Cj xi
        end for
3. 返回k个聚类中心向量μ1, μ2, ..., μk

其中，argmin表示取使得后面函数取得最小值的参数，||xi - μj||^2表示样本xi与聚类中心向量μj之间的欧氏距离的平方，|Cj|表示簇Cj中样本的数量，∑xi∈Cj表示对簇Cj中所有样本的求和。