影響聚類算法效果的主要原因可以包括以下幾點：

A: 特征選取
B: 模式相似性測度
C: 分類準則

從專業(yè)角度分析：

1. **特征選取**：
- 聚類的效果高度依賴于所選取的特征。如果特征選擇不當，可能導致聚類效果不佳。特征應(yīng)該具有代表性，能夠有效地區(qū)分不同類別的數(shù)據(jù)。

2. **模式相似性測度**：
- 聚類算法依賴于相似性或距離的定義來將相似的數(shù)據(jù)點歸為一類。選擇合適的相似性測度（如歐氏距離、余弦相似性等）對聚類結(jié)果的準確性至關(guān)重要。

3. **分類準則**：
- 雖然聚類是無監(jiān)督學習，但一些算法，例如K-means，需要設(shè)定初始聚類中心和簇的數(shù)量等參數(shù)。這些選擇（即分類準則）會影響聚類結(jié)果。

D: 已知類別的樣本質(zhì)量則更多是監(jiān)督學習中的考慮因素，與無監(jiān)督的聚類算法不直接相關(guān)。

因此，影響聚類算法效果的主要原因是A、B、C。