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
