如下表所示(数据文件为sedscsv)，为种子的几方面几何特征，包括面积、周长、长度、意度等。请根据如下数据，分别使用K均值聚类、密度聚类和层次案类将种子进行划分，并将聚类结果与实际的“种类”作对比，对比三个聚类方法的优差。 面 积 周 长紧致性长 度 宽 度 偏斜度 籽粒长度 种 类 15.26 14.84 0.871 5.763 3.312 2.221 5.22 Kama wheat 14.88 14.57 0.8811 5.554 3.333 1.018 4.956 Kama wheat 14.29 14.09 0.905 5.291 3.337 2.699 4.825 Kama wheat 13.84 13.94 0.8955 5.324 3.379 2.259 4.805 Kama wheat 16.14 14.99 0.9034 5.658 3.562 1.355 5.175 Kama wheat

对于这个问题，我可以提供一些思路和方法，但是由于不能进行具体的编程和实验操作，因此无法给出具体的聚类结果和对比分析结果。

首先，针对这个问题，我们需要掌握三种聚类方法的基本原理和使用方式：

1. K均值聚类：K均值聚类是一种基于距离的聚类方法，将样本点分成K个簇，使得簇内的点相似度较高，簇间的点相似度较低。

2. 密度聚类：密度聚类是一种基于密度的聚类方法，将样本点分成若干个簇，具有相似密度的样本点被分到同一个簇中。

3. 层次聚类：层次聚类是一种自下而上或自上而下的聚类方法，将样本点逐步合并为一个个簇。

其次，针对这个数据集，我们需要选择合适的聚类方法、合适的距离度量方式、合适的簇数等参数，并对聚类结果进行对比分析。

最后，我们可以根据对比分析的结果，评估三种聚类方法的优劣，并选择最适合这个数据集的聚类方法。

需要注意的是，聚类方法的结果往往具有一定的主观性和随机性，因此在进行对比分析时，需要进行多次实验，并对实验结果进行平均或取最优值。