描述了K均值,层次结合和DBSCAN聚类方法的实现功能数据,该方法允许共同对齐和聚类曲线。它支持在一维域上定义的功能数据,但可能在多元代码中进行评估。它支持在数组中定义的功能数据,也支持通过“ FD”和“ Fundata”类的功能数据,分别用于“ FDA”和“ Fundata”软件包中定义的功能数据。当前,它支持在实际线路上定义的功能数据的移位,扩张和仿射扭曲功能,并使用SRVF框架来处理在特定间隔上定义的功能数据的保存边界扭曲。K-Means算法的主要参考:Sangalli L.M.,Secchi P.,Vantini S.,Vitelli V.(2010)````k-mean for Curve clustering'''。SRVF框架的主要参考:Tucker,J。D.,Wu,W。,&Srivastava,A。(2013)``使用相位和振幅分离的功能数据生成模型''。