基于随機選擇的聚類算法（CLARANS）
CLARA NS是在CLA RA 算法的基礎上提出來的．與CLA RA 不同．CLARA NS沒有在任一給定的時間局限于任一樣本．而是在搜尋的每一步都帶一定随機性的選取一個樣本。CLARA NS的時間複雜度大約是O(n2)．n是對象的數目。此方法的優點是一方面改進了CLA RA 的聚類品質．另一方面拓展了資料處理量的伸縮範圍，具有較好的聚類效果。但它的計算效率較低，且對資料輸入順序敏感，隻能聚類凸狀或球型邊界。
算法的過程：
基于随機選擇的聚類算法（CLARANS）
CLARA NS是在CLA RA 算法的基礎上提出來的．與CLA RA 不同．CLARA NS沒有在任一給定的時間局限于任一樣本．而是在搜尋的每一步都帶一定随機性的選取一個樣本。CLARA NS的時間複雜度大約是O(n2)．n是對象的數目。此方法的優點是一方面改進了CLA RA 的聚類品質．另一方面拓展了資料處理量的伸縮範圍，具有較好的聚類效果。但它的計算效率較低，且對資料輸入順序敏感，隻能聚類凸狀或球型邊界。
算法的過程：
![LabelImg的安裝與使用（Anaconda環境）Labellmg的安裝[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)