给出凝层次过程和优缺点，k-means 聚类的过程和优缺点，并对两种聚类进行比较

这是一个技术问题，属于可以回答的范围。

凝聚层次聚类的过程是从下往上逐步合并最接近的点，直到所有点都在同一个集群中。优点是易于实现、结果易于解释；缺点是算法时间复杂度高、对初始点选取敏感。

K-means聚类的过程是随机初始化k个聚类中心，然后迭代重新计算每个点到聚类中心的距离，更新聚类中心，重复迭代直到聚类中心不再改变。优点是易于实现、速度快；缺点是对k的选取敏感、可能收敛于局部最优解。

对于两种聚类方法的比较，凝聚层次聚类更适合数据量不大的场景，需要其它方法来判断聚类数量和趋势。 K-means聚类更适合大数据集抽样，但需要预先确定聚类数量和中心初始化方式，可能导致结果不准确。