分割式聚类算法是一种将数据集分割成多个不重叠的子集的聚类方式，其中每个子集代表一个簇。常见的分割式聚类算法包括 K-Means。

### 答案分析：

- **A: K-Means**
- **属于分割式聚类算法。**
K-Means 通过在特征空间中寻找 K 个质心来将数据分成 K 个簇。每个数据点被分配到与其最近的质心所对应的簇中，然后质心根据其簇中的数据点重新计算。这个过程不断迭代直到收敛。K-Means 的目标是最小化数据点到其所属质心的距离的平方和。

- **B: Centroid Method**
- **不属于真正意义上的分割式聚类算法。**
质心法（Centroid Method）通常与层次聚类中的一种方法相关联。它在合并簇时以簇的质心作为计算下一步距离的依据，而不是作为分割算法。

- **C: Ward’s Method**
- **不属于分割式聚类算法。**
Ward’s Method 是一种层次聚类方法，它通过最小化每步合并后的簇的总方差来构建层次树。它不是以分割数据集为思路进行聚类的算法。

- **D: 以上皆非**
- 不正确，因为 A (K-Means) 是分割式聚类算法。

### 结论：

- **正确答案：A: K-Means**
K-Means 是一种最常用的分割式聚类算法，它的优点是简单高效，适用于大规模数据集，但对初始值敏感且可能陷入局部最优。其他两种方法（Centroid Method 和 Ward’s Method）更常用于层次聚类。

通过这种详细分析，可以更深入理解各类聚类算法的特点和用途。