在数据聚类分析中，分层聚类（Hierarchical Clustering）是一种常用的方法，其主要分为凝聚（自底向上）和分裂（自顶向下）两种策略。以下是对选项的分析：

- **A: PAM (Partitioning Around Medoids)**
- PAM 是一种分区聚类方法，不属于分层聚类。分区聚类方法典型的例子是 K-means，PAM 是 K-means 的一种变体，所以不属于分层聚类。

- **B: Average Linkage Method**
- 平均连锁法是一种常用的凝聚型分层聚类方法。在每一步聚合中，它计算两个聚类之间元素的平均距离。因此，属于分层聚类方法。

- **C: Ward’s Method**
- Ward方法是一种通过最小化每一步聚合后的方差来进行聚类的凝聚型分层聚类方法。因此，Ward法也是分层聚类方法的一种。

- **D: SOM (Self-Organizing Map)**
- SOM 是一种神经网络算法，属于非监督学习方法，用于降维和可视化，不属于分层聚类。因此，不是分层聚类方法。

### 结论

正确答案是：**B: Average Linkage Method** 和 **C: Ward’s Method**。

这两种方法都是典型的分层聚类方法，常用于将数据集分割成更小的、更可管理的亚群，依据的是不同的聚合原则。这些方法在图像分析、市场细分和生物信息学等领域应用广泛。