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 $\Delta R$ $w{w}^{Τ}$ X X X weighted - - Ö KMEDOIDS 2 X $\Delta R$ $w{w}^{Τ}$ X X X weighted - - Ö MAXGLOB 3 X $\Delta R$ $\Delta w$ X X X slopes - - - MAXPATHL 4 Ö $L2$ $\Delta w$ X X X slopes - - - CONN 5 Ö X X X X X - - - - LOS-MAXVIS 6 Ö $L2,\Sigma L1$ * X X Ö max vis. - - - LOS-MUTUAL 7 Ö $L2,\Sigma L1$ * 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 $\Delta R$ * X X X 2D histo RAD 1, 2 - SPECTRAL14 21 X $\Delta R$ * X X X kmeans RAD 1, 2 Ö SPECTRAL15 22 X $\Delta R$ * X X X kmedoids RAD 1, 2 Ö SPECTRAL16 23 X $\Delta R$ * X Ö X 2D histo RAD 2, 3 - SPECTRAL17 24 X $\Delta R$ * X Ö X kmeans RAD 2, 3 Ö SPECTRAL18 25 X $\Delta R$ * X Ö X kmedoids RAD 2, 3 Ö LMH-POS 26 X X X X X X - - - -