稳定性和准确性对聚类结果的可靠性有重要影响。稳定性指的是在数据集的微小变化下，聚类结果的变化程度。如果一个聚类算法对初始条件或数据集的微小变化非常敏感，那么它的稳定性就较差。准确性则是聚类结果与真实情况的接近程度。如果一个聚类算法能够准确地将相似的对象分到同一类，将不相似的对象分到不同的类，那么它的准确性就较高。稳定性和准确性都高的聚类算法，其聚类结果的可靠性就较高。例如，在一项研究中，通过对36种不同土壤的细菌PCR-DGGE指纹进行聚类分析，发现两个聚类群体在E. coli O157:H7衰退的稳定性（不规则性）上存在显著差异，而在对应的平均生存时间（ttd）值上没有显著差异。这表明，土壤群落结构参数如物种多样性和均匀度可以作为预测模型可靠性的指标 。