K-means迭代的核心思想主要围绕两个步骤交替进行，直至算法收敛。请看下方关于每个选项的分析：

- **A: 保持质心点不变更新类别**
这种情况实际上是算法的一个部分。在每一次迭代中，给定质心后，算法会更新每个数据点所属的类别，也就是将每个数据点分配到距离其最近的质心。这一步骤保持质心不变，并更新类别。

- **B: 保持类别不变更新质心点**
这也是 K-means 算法中的一个重要步骤。在完成类别更新后，K-means 保持数据点的类别不变，并根据这些类别重新计算质心的位置，也就是用每个类别中所有数据点的平均值更新质心。

- **C: 保持类别不变保持质心点不变**
这种情况实际上是算法收敛的表现。当算法达到稳定状态时，类别和质心不再改变，标志着迭代结束。

- **D: Kmeans迭代无法收敛**
这是不正确的。通常情况下，K-means 会在有限次迭代后收敛，虽说可能会由于初始质心选择不当而陷入局部最优。

因此，正确答案是**A和B**。这两个步骤交替进行，直到算法收敛为止。具体过程如下表所示：

| 步骤 | 操作描述 |
|------|--------------------------|
| 1 | 初始化 K 个质心 |
| 2 | 分配类别（选项 A） |
| 3 | 重新计算质心（选项 B） |
| 4 | 检查收敛 |
| 5 | 如果未收敛，重复步骤 2-4 |

通过以上步骤的不断迭代，K-means 最终达到一个收敛状态，即不再有数据点的类别变化，质心的位置也保持稳定。