CLARANS是分割方法中基于随机搜索的大型应用聚类算法。在分割方法中最早提出的一些算法大多对小数据集合非常有效，但对大的数据集合没有良好的可伸缩性。如PAM。CLARA能处理比PAM大的数据集合，其有效性取决于样本的大小，但当某个采样得到的中心点不属于最佳的中心点时．CLARA不能得到最佳聚类结果。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。