Unüberwachte Clusteranalyse umfasst Algorithmen, die ohne Label Daten in Gruppen ähnlicher Merkmalsvektoren partitionieren, etwa k-Means, hierarchische Verfahren oder dichtebasierte Methoden. In der Werkstoffwissenschaft wird sie zur automatisierten Gefügeklassifikation, Phasensegmentierung, Texturanalyse und Auswertung hochdimensionaler Messdaten (z.B. Spektren, Diffraction, Atomsonde) eingesetzt. Sie unterstützt das Erkennen verborgener Strukturen und Prozess-Property-Korrelationen in großen Datensätzen.