Labels

#

Clustering Algorithms

Connected

required

Proximity

Weights

Sensitive

to Noise

Balanced

LOS

criteria

Gathering

method

Laplacian

type

Eigen-

vectors

Fixed k

guess

KMEANS

1

X

Δ R

w w Τ

X

X

X

weighted

-

-

Ö

KMEDOIDS

2

X

Δ R

w w Τ

X

X

X

weighted

-

-

Ö

MAXGLOB

3

X

Δ R

Δ w

X

X

X

slopes

-

-

-

MAXPATHL

4

Ö

L 2

Δ w

X

X

X

slopes

-

-

-

CONN

5

Ö

X

X

X

X

X

-

-

-

-

LOS-MAXVIS

6

Ö

L 2 , Σ L 1

*

X

X

Ö

max vis.

-

-

-

LOS-MUTUAL

7

Ö

L 2 , Σ L 1

*

X

X

Ö

mutual vis.

-

-

-

SPECTRAL01

8

Ö

X

*

Ö

X

X

2D histo

NN1

1, 2

-

SPECTRAL02

9

Ö

X

*

Ö

X

X

kmeans

NN1

1, 2

Ö

SPECTRAL03

10

Ö

X

*

Ö

X

X

kmedoids

NN1

1, 2

Ö

SPECTRAL04

11

Ö

X

*

Ö

Ö

X

2D histo

NN1

2, 3

-

SPECTRAL05

12

Ö

X

*

Ö

Ö

X

kmeans

NN1

2, 3

Ö

SPECTRAL06

13

Ö

X

*

Ö

Ö

X

kmedoids

NN1

2, 3

Ö

SPECTRAL07

14

Ö

X

*

Ö

X

Ö

2D histo

LOS

1, 2

-

SPECTRAL08

15

Ö

X

*

Ö

X

Ö

kmeans

LOS

1, 2

Ö

SPECTRAL09

16

Ö

X

*

Ö

X

Ö

kmedoids

LOS

1, 2

Ö

SPECTRAL10

17

Ö

X

*

Ö

Ö

Ö

2D histo

LOS

2, 3

-

SPECTRAL11

18

Ö

X

*

Ö

Ö

Ö

kmeans

LOS

2, 3

Ö

SPECTRAL12

19

Ö

X

*

Ö

Ö

Ö

kmedoids

LOS

2, 3

Ö

SPECTRAL13

20

X

Δ R

*

X

X

X

2D histo

RAD

1, 2

-

SPECTRAL14

21

X

Δ R

*

X

X

X

kmeans

RAD

1, 2

Ö

SPECTRAL15

22

X

Δ R

*

X

X

X

kmedoids

RAD

1, 2

Ö

SPECTRAL16

23

X

Δ R

*

X

Ö

X

2D histo

RAD

2, 3

-

SPECTRAL17

24

X

Δ R

*

X

Ö

X

kmeans

RAD

2, 3

Ö

SPECTRAL18

25

X

Δ R

*

X

Ö

X

kmedoids

RAD

2, 3

Ö

LMH-POS

26

X

X

X

X

X

X

-

-

-

-