クラスタリングとは，幾つもの事例のうち，類似する複数の事例をまと めて1つのクラスタを形成し，また異なる事例から別のクラスタを形成 するということを繰り返し，事例集を分割することである．ここで，1 つの事例が複数のクラスタに属してよいクラスタリングのことを，ソフ トクラスタリングという．一方，1つのクラスタだけに限定することをハー ドクラスタリングという．
ハードクラスタリングとしてよく用いられる手法は，k-means法である． これは，得られるクラスタ数をあらかじめ指定しておき，クラスタに属 する事例から重心を求め，全ての事例について，事例の属するクラスタ の重心とその事例との距離の平均値が最小になるように，事例の属する クラスタを求めるものである．
k-means法の応用手法として，repeated bisection 法がある． この方法は，まず，すべての事例を1つのクラスタに格納し， 2分割のk-means法クラスタリングを繰り返し実行することで，事例集を分割するものである． この手法は，k-means法などと比較して，高速に実行でき，また精度も良好である．
本研究では，クラスタリングに，bayon[7]を用いる．
bayonは repeated bisection 法を採用しているクラスタリングツールであり，
シンプルな構成で，かつ大規模なデータでも実用的なスピードで実行できることを目標に
作成されている．