我正在寻找解决以下问题的算法：
动机不是识别好的集群，而是将数据集分成高相似性和最小大小的组。围绕 medoids 进行分区并不是开箱即用的，它会产生很多 1-item-clusters。分层方法（AGNES、DIANA）也无济于事。
这个问题在某种程度上类似于稳定婚姻问题：尝试通过相似性对相邻项目进行排名。但在这里，一组/一婚至少有m个物品。
提前致谢！
这不是集群。聚类算法应该告诉您那里没有聚类。对我来说，你的任务听起来更像是装箱、背包和类似的优化问题。
如果没有任何进一步的限制，您的问题也未明确说明。
你为什么不尝试一个贪婪的启发式（这通常用于类似背包的问题）。随机选择任意一点，添加足够多的点以满足您的最小尺寸限制。
然后选择最远的点，并再次添加足够的点以满足您的最小尺寸。重复（使用距离总和进行排名），直到您不再能满足最小尺寸。然后将每个剩余点添加到最近的集群中。最后，只要满足最小尺寸，优化是否会将移动点传递给其他集群？
虽然这不是典型的聚类任务（请参阅@Anony-Mousse），但您可以修改聚类算法以满足您的需求。
您可以按照相同大小 K-Means 的教程进行操作，或者简单地使用tutorialELKI 中的包/模块中的此算法（从 GitHub 构建最新版本，因为我刚刚修复了那里的错误）。
本质上，该算法执行 k-means 风格的最小二乘优化，但所有集群必须具有相同的大小（如果 N/k 不是整数，则集群大小可能相差 1）。
如果您转到上面的教程并滚动到底部，您可以看到示例结果。