Clustering Algorithms Based on Hierarchy, Density, and Partition. At the same time, it has also achieved the selection of initial values for kmeans and minibatch kmeans through the elbow method and Silhouette coefficient method
DBSCAAN:
基于密度的聚类方法，适用于非凸图像, args需要eps和min_samples
OPTICS:
基于密度的聚类方法，DBSCAAN的优化, 适用于非凸图像，args需要min_samples,xi和min_cluster_size
Agglomerative:
基于分层的聚类方法，适用于凸图像, args需要linkage, 包括ward,average,complete和single
KMeans:
基于划分的方法，适用于凸图像，简单有效, args需要n_clusters
MiniBatchKMeans:
基于划分的方法，优化KMeans计算过程，可分批训练，适用于凸图像，效果不如KMeans, args需要n_clusters,random_state和batch_size
ELBOW:
使用肘方法优化KMeans和的MiniBatchKMeans簇数选择, args需要k值的起、始值,步进值和消除抖动的幅值，使用MiniBatchKMean时还需要random_state和batch_size
Silhouette：
使用轮廓系数遍历选取最优的KMeans和的MiniBatchKMeans簇数