聚类度量包括性能度量和距离计算，
性能度量
对数据集D={x1,x2,...,xm},假定通过聚类给出的策划为C={C1,C2,...,Ck},参考模型给出的簇划分为C‘={C'1,C'2,...C'k}，相应的λ和λ‘分别表示C和C’对应的簇标记向量，将样本两两配对考虑，
由于每一个样本中仅能出现在一个集合中，因此有a+b+c+d=m(m-1)/2
Jaccard 系数(简称JC)
FM 系数(简称FMI)
Rand 指数(简称RI)
上述性能度量的结果均在[0,1]区间，值越大越好。
聚类结果的簇划分C={C1,C2,...Ck}，定义
簇C内样本发平均距离：
样本间的最远距离：
样本Ci，Cj最近样本间的距离：
簇Ci与Cj中心点间的距离：
DB指数(DBI)
Dunn指数(DI)
DBI的值越小越好DI的值正好相反，值越大越好
距离计算
非负性：
同一性：
对称性：
直递性：
