Istnieją dwie możliwości zastosowania kryteriów do procesu grupowania. Pierwszą z nich jest oparcie całego procesu na jednym z kryteriów grupowania, na przykład minimalizacji rozrzutu wewnątrzgrupowego i maksymalizacji rozproszenia międzygrupowego. Zasadą tego postępowania jest wykonywanie dalszych kroków procesu jedynie wtedy, gdy prowadzi to do minimalizacji przyjętego kryterium - patrz algorytm iteracyjny. Drugim sposobem jest stosowanie kryterium oceny jakości grupowania jedynie jako wtórnego (oceniającego). Wówczas cały proces grupowania bazuje na kryteriach klasyfikacji.

Poniżej przedstawione zostaną kryteria klasyfikacji, które są stosowane w algorytmach grupowania w celu podziału elementów przestrzeni na grupy.

Pierwszym z tej grupy kryteriów jest kryterium najbliższego sąsiada [17]. Znalazło ono zastosowanie w większości algorytmów grupowania, które opierają się na metodach aglomeracyjnych. Istotą tego kryterium jest poszukiwanie dla każdego z obiektów najbliższego sąsiada i następne przyłączanie go do tej grupy co rozpatrywany obiekt (algorytmy klasyczne i przybliżone) lub obliczanie wartości funkcji charakterystycznej (algorytmy rozmyte). W proponowanych algorytmach kryterium to stosowane jest w nieco zmodyfikowanej formie, mianowicie, dla każdego rozpatrywanego już wcześniej punktu poszukiwany jest najbliższy sąsiad, który nie należy jeszcze do żadnej z grup, przy założeniu oczywiście jakiejś maksymalnej odległości pomiędzy elementami jednej grupy. Rys. 1 przedstawia kolejność dołączania elementów do poszczególnych grup. Kolejnym przykładem kryterium na którego podstawie może być przeprowadzana operacja grupowania jest kryterium n najbliższych sąsiadów np. [17], [22]. Polega ono na dołączaniu rozpatrywanego obiektu do grupy, która ma największą liczbę przedstawicieli pośród n najbliższych sąsiadów danego elementu. Rys. 2 przedstawia przykład grupowania elementów według kryterium 3 najbliższych sąsiadów.