基于随机选择的聚类算法（CLARANS）
CLARA NS是在CLA RA 算法的基础上提出来的．与CLA RA 不同．CLARA NS没有在任一给定的时间局限于任一样本．而是在搜索的每一步都带一定随机性的选取一个样本。CLARA NS的时间复杂度大约是O(n2)．n是对象的数目。此方法的优点是一方面改进了CLA RA 的聚类质量．另一方面拓展了数据处理量的伸缩范围，具有较好的聚类效果。但它的计算效率较低，且对数据输入顺序敏感，只能聚类凸状或球型边界。
算法的过程：
基于随机选择的聚类算法（CLARANS）
CLARA NS是在CLA RA 算法的基础上提出来的．与CLA RA 不同．CLARA NS没有在任一给定的时间局限于任一样本．而是在搜索的每一步都带一定随机性的选取一个样本。CLARA NS的时间复杂度大约是O(n2)．n是对象的数目。此方法的优点是一方面改进了CLA RA 的聚类质量．另一方面拓展了数据处理量的伸缩范围，具有较好的聚类效果。但它的计算效率较低，且对数据输入顺序敏感，只能聚类凸状或球型边界。
算法的过程：
![LabelImg的安装与使用（Anaconda环境）Labellmg的安装[图]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)