基于原型的聚类
模糊c均值使用模糊逻辑和模糊集合论的概念，提出一种聚类方案，它很像K均值，但是不需要硬性地将对象分派到一个簇中。模糊c均值算法有时也称为FCM
混合模型聚类采取这样的访谈，簇集合可以用一个混合分布建模，每个分布对应一个簇。EM(Expectation-Maximization)期望最大化算法
基于自组织映射SOM的聚类方法在一个框架内进行聚类，该框架要求簇具有预先指定的相互联系。SOFM/SOM
基于密度的聚类
基于网格的聚类，其基本思想是将每个属性的可能值分割成许多相邻的区间，创建网格单元的集合。
子空间聚类
DENCLUE:基于密度聚类的一张基于核的方案，它用与每个点相关联的影响函数之和对点集的总密度建模。
基于图的聚类
稀疏化
最小生成树聚类
OPOSSUM：使用METIS的稀疏相似度最优划分
Chameleon：使用动态建模的层次聚类
共享最近邻相似度SNN:Shared Nearest Neighbor
jarvis-patrick聚类算法
SSN密度
基于SSN密度的聚类
可伸缩的聚类算法
BIRCH:Balanced Iterative Reducing and Clustering using Hierarchies,基于聚类特征（Clustering Feature，CF）和CF树的概念。其基本思想是，数据点(向量)的簇可以用三元组(N,LS,SS)表示，其中N是簇中点的个数，LS是点的线性和，SS是点的平方和。CF树是一种高度平衡的树。
CURE:Clustering Using REpresentative是一种聚类算法，它使用各种不同的技术创建一种方法，该方法能够处理大型数据、离散点和具有非球形和非均匀大小的簇的数据。