主要聚类方法有：划分方法、层次的方法、基于密度的方法、基于网格的方法和基于模型的方法。
1)划分方法
划分方法的思想：给定一个n个对象或元组的数据库，一个划分方法构建数据的k个划分，每个划分表示一个簇，并且k≤n;每个对象属于且仅属于一个组，每个组至少包含一个对象。
划分准则：同一个聚类中的对象尽可能地接近或相关，不同聚类中的对象尽可能地远离或不同。
典型的划分方法有k-平均算法、k中心点方法和它们的变种。
2)层次的方法
对给定数据对象集合进行层次分解，包括自底向上和自顶向下方法。
(1)自底向上方法(凝聚)：开始将每个对象作为单独的一个组，然后相继地合并相近的对象或组，直到所有的组合并为一个，或者达到一个终止条件。
(2)自顶向下方法(分裂)：开始将所有的对象置于一个簇中，在迭代的每一步，
一个簇被分裂为多个更小的簇，直到最终每个对象在一个单独的簇中，或达到一个终止条件。
缺点：合并或分裂的步骤不能被撤销。
使用距离矩阵作为聚类准则，层次方法不必输入初始的k作为簇的个数，但需要一个终止条件(例如簇的数目)。
3)基于密度的方法
基于密度的据类：只要临近区域的密度(对象或数据点的数目)超过某个临界值，就继续聚类。
优点：可以过涟掉噪声和孤立点，发现任意形状的簇。
4)基于网格的方法
把对象空间量化为有限数目的单元，形成一个网格结构。所有的聚类都在这个网格结构上进行。
优点：处理速度快(因为处理时间独立于数据对象数目，只与量化空间中每一维的单元数目有关)。
5)基于模型的方法
为每个簇假定一个模型，寻找数据对给定模型的最佳拟合。
