在數(shù)據(jù)聚類分析中，分層聚類（Hierarchical Clustering）是一種常用的方法，其主要分為凝聚（自底向上）和分裂（自頂向下）兩種策略。以下是對選項的分析：

- **A: PAM (Partitioning Around Medoids)**
- PAM 是一種分區(qū)聚類方法，不屬于分層聚類。分區(qū)聚類方法典型的例子是 K-means，PAM 是 K-means 的一種變體，所以不屬于分層聚類。

- **B: Average Linkage Method**
- 平均連鎖法是一種常用的凝聚型分層聚類方法。在每一步聚合中，它計算兩個聚類之間元素的平均距離。因此，屬于分層聚類方法。

- **C: Ward’s Method**
- Ward方法是一種通過最小化每一步聚合后的方差來進行聚類的凝聚型分層聚類方法。因此，Ward法也是分層聚類方法的一種。

- **D: SOM (Self-Organizing Map)**
- SOM 是一種神經(jīng)網(wǎng)絡算法，屬于非監(jiān)督學習方法，用于降維和可視化，不屬于分層聚類。因此，不是分層聚類方法。

### 結論

正確答案是：**B: Average Linkage Method** 和 **C: Ward’s Method**。

這兩種方法都是典型的分層聚類方法，常用于將數(shù)據(jù)集分割成更小的、更可管理的亞群，依據(jù)的是不同的聚合原則。這些方法在圖像分析、市場細分和生物信息學等領域應用廣泛。