본 논문은 클러스터링 문제에서 존재하는 고유한 모호성을 정보이론적 관점에서 해결하고자 제안한다. 특히, 클러스터 간 밀도 변이가 크거나, 클러스터가 여러 개의 상대적으로 분리된 고밀도 영역을 가질 때 발생하는 모호성에 초점을 맞춘다. K-클러스터링의 모호성을 정의하고, 모호하지 않은 경우 클러스터링을 복구하는 알고리즘을 제시한다. 이 알고리즘은 밀도 기반 접근 방식을 사용하여 K개의 부분 클러스터(또는 "시드")를 먼저 식별하고, 그리디 방식으로 초기 K개의 부분 클러스터에 클러스터링되지 않은 점들을 추가하여 완전한 클러스터링을 형성한다. 겹치는 클러스터를 효과적으로 처리하도록 수정된 알고리즘을 구현하고 테스트하여, 매개변수 선택이 거의 필요하지 않고 기존의 비볼록 클러스터 복구 알고리즘보다 많은 데이터셋에서 향상된 성능을 보임을 확인하였다.
