数据挖掘里的聚类算法不少，CURE 算法算是比较的那一类，抗噪能力强，聚类形状也不挑。推荐你看看这份 PPT，讲得挺详细，图示也清楚，思路梳理得比较顺。

多个代表点+缩放策略的思路，在那种不规则分布、带噪声的数据时，表现还蛮稳定。你要是之前用惯了 K-means，第一次接触 CURE 会觉得思路不太一样，但看完这个文档应该就清楚多了。

实现上也不算复杂，就是聚类前加了点小操作，比如先随机采样、再做层次聚类、挑点代表点压缩一下。Python写起来也蛮顺，推荐搭配下scikit-learn或NumPy练练手，效果直观。

嗯，顺带一提，除了 CURE 之外，LSNCCP 算法也值得看看，聚类思路也挺有意思的。不过先把 CURE 吃透，再回头看别的，你会更有感觉。

如果你刚好在做高维数据、非球形聚类，或者对传统算法不太满意，可以试试照这份 PPT 实现下 CURE，踩坑不多，调参也简单。