常见聚类算法分类

聚类划分：

（1）划分聚类 k-means、k-medoids、k-modes、k-medians、kernel k-means

（2）层次聚类Agglomerative、divisive、BIRCH、ROCK、Chameleon

（3）密度聚类DBSCAN、OPTICS

（4）网格聚类 STING

（5）模型聚类 GMM

（6）图聚类 Spectral Clustering（谱聚类）

k-medoids：它到其他所有（当前cluster中的）点的距离之和（sqrt）最小——作为中心点

k-modes：分类属性型数据的采用的聚类算法，采用差异度来代替k-means算法中的距离

k-medians：它到其他所有（当前cluster中的）点的距离之和最小——作为中心点

Agglomerative:自底向上，层次聚类

Divisive: 自顶向下，层次聚类

DBSCAN：

GMM:对于每个类假定一个分布模型，试图找到每个类最好的模型

Spectral Clustering：用特征向量的元素来表示原来的数据，并在其上进行 K-means