| cluster.Description | 为每个聚类和变量分别计算的描述性统计 | ||
| cluster.Gen | 已知簇结构的随机簇生成 | ||
| cluster.Sim | 数据集最优聚类过程的确定 | ||
| comparing.Partitions | 计算两个分区之间的一致性指数 | ||
| data.Normalization | 变量（列）和对象（行）规范化公式的类型 | ||
| data_binary | 二进制数据 | ||
| data_interval | 区间数据 | ||
| data_mixed | 混合数据 | ||
| data_nominal | 名义数据 | ||
| data_ordinal | 序数数据 | ||
| data_patternGDM1 | 17个对象和10个变量的度量数据（8个刺激变量，2个衍生变量） | ||
| data_patternGDM2 | 包含27个对象和6个变量（3个刺激变量、2个衍生变量和1个名义变量）的有序数据 | ||
| data_ratio | 比率数据 | ||
| data_symbolic | 符号间隔数据 | ||
| data_symbolic_interval_polish_voivodships | 波兰旅游吸引力水平评价 | ||
| dist.BC | 计算比率数据的Bray-Curtis距离度量 | ||
| dist.GDM | 计算广义距离度量 | ||
| dist.SM | 计算标称变量的Sokal-Michener距离测度 | ||
| dist.Symbolic | 计算区间值符号数据之间的距离 | ||
| GDM | 计算广义距离度量 | ||
| GDM1 | 计算广义距离度量 | ||
| GDM2 | 计算广义距离度量 | ||
| HINoV.Mod | Carmone，Kara&改进的Maxwell噪声变量启发式辨识（HINoV）方法 | ||
| HINoV.Symbolic | 修正了Carmone，Kara&符号区间数据的Maxwell噪声变量启发式辨识（HINoV）方法 | ||
| index.C | 计算Hubert& Levin C index-内部聚类质量指数 | ||
| index.DB | 计算Davies-Bouldin指数 | ||
| index.G1 | 计算Calinski-Harabasz伪F统计量 | ||
| index.G2 | 计算内部群集质量指数 | ||
| index.G3 | 计算G3内部群集质量指数 | ||
| index.Gap | 计算Tibshirani、Walther和Hastie差距指数 | ||
| index.H | 计算哈迪根指数 | ||
| index.KL | 计算Krzanowski Lai指数 | ||
| index.S | 计算Rousseeuw的轮廓内部聚类质量指数 | ||
| initial.Centers | k-均值类alghoritms初始簇中心的计算 | ||
| interval_normalization | 区间值符号变量规范化公式的类型 | ||
| ordinalToMetric | 序数数据的强化测量量表 | ||
| pattern.GDM1 | GDM1距离在度量数据中的应用，用于计算对象与模式对象（上或下）的距离 | ||
| pattern.GDM2 | GDM2距离在有序数据中的应用，用于计算对象与模式对象（上或下）的距离 | ||
| plotCategorial | 在散点图矩阵上绘制分类数据 | ||
| plotCategorial3d | 用三维图绘制分类数据 | ||
| plotInterval | 在散点图矩阵上绘制符号区间值数据 | ||
| replication.Mod | 修改用于群集验证的复制分析 | ||
| shapes.blocks3d | 生成包含两个不典型形状簇的数据集（立方体被主对角线平面分成两部分） | ||
| shapes.bulls.eye | 生成包含两个不典型环形（圆）簇的数据集 | ||
| shapes.circles2 | 生成包含两个不典型环形（圆）簇的数据集 | ||
| shapes.circles3 | 生成包含不典型环形（圆）的三个簇的数据集 | ||
| shapes.two.moon | 生成包含两个形状不典型的簇（类似于新月的盈亏）的数据集 | ||
| shapes.worms | 生成包含两个不典型抛物线形状簇的数据集（蠕虫） | ||
| speccl | 一种谱聚类算法 |