对于处理异常值或极端值的问题，通常有多种方法。以下是对每个选项的分析：

A: **先聚类，然后用同类的均值填充**
- 这种方法的思路是先将数据进行聚类，然后用所聚类中的均值来替代异常值。这是一种合理的处理极端值的方法，特别是在数据具有天然分组时，此方法能够通过聚类来找到合适的替代值。

B: **距离均值大于三倍标准差的值使用三倍标准差的值替代**
- 这种方法基于正态分布的3-sigma原则，即在正态分布中，99.7%的数据会落在均值的正负三个标准差范围内。因此，超出此范围的值通常被视为异常值。这种方法通过将异常值替换为临界值（三倍标准差）来限制极端值的影响，是常用的异常值处理方法。

C: **用均值填充**
- 用均值填充是简单的缺失值处理方法，但对于异常值处理不够理想，因为均值填充没有考虑异常值对整体数据的影响，可能导致信息丢失或数据偏差，通常不是优选的方法。

D: **超出1.5倍IQR的值使用1.5倍IQR的值替代**
- IQR（四分位距）是另一种检测异常值的方法，它不依赖于数据的分布形状。通常，1.5倍IQR之外的值被视为异常值。用1.5倍IQR的值替代异常值能够缩小极端值对数据集的影响。

从以上分析可以看出，处理异常值或极端值的合理方法包括：

- **A: 先聚类，然后用同类的均值填充**
- **B: 距离均值大于三倍标准差的值使用三倍标准差的值替代**
- **D: 超出1.5倍IQR的值使用1.5倍IQR的值替代**

所以，正确答案是 A、B、D。