在聚类算法中，分割式聚类（partitioning clustering）是一种策略，它将数据集划分为预先设定数量的群组或聚类。这种方法的一个主要特点是，每个数据点只能属于一个聚类。K-Means聚类就是分割式聚类的一个典型代表。Centroid Method 和 Ward’s Method 属于层次聚类算法。层次聚类算法主要通过创建一个聚类树（或 dendrogram）来展示数据间的关系，这个树形结构可以帮助我们理解数据的组成。

正确答案是A: K-Means。

**专业分析：**

分割式聚类算法（Partitioning Clustering Algorithm）是将数据集分割成若干个互不相交的子集（或称为簇）的算法。K-Means 是最典型的分割式聚类算法。以下是对选项的具体分析：

1. **K-Means（选项A）**：
- K-Means 是一种分割式聚类算法，它通过迭代的方式将数据点分配到 k 个簇中，使得每个簇的内部数据点之间的距离最小化，同时不同簇之间的距离最大化。该算法首先随机选择 k 个初始聚类中心，然后通过不断调整聚类中心和重新分配数据点来优化聚类结果。

2. **Centroid Method（选项B）**：
- Centroid Method 是一种层次聚类算法中的一种方法，通常用于聚合层次聚类（Agglomerative Hierarchical Clustering）。它通过计算簇的质心来决定簇之间的合并顺序，而不是通过分割数据集的方法。

3. **Ward’s Method（选项C）**：
- Ward’s Method 也是一种层次聚类算法，属于聚合层次聚类方法。它通过最小化每一步合并后簇内的方差来决定簇的合并顺序，目标是使合并后的簇内数据点的方差增加最小。

综上所述，只有 K-Means 是分割式聚类算法，而 Centroid Method 和 Ward’s Method 都属于层次聚类算法。因此，正确答案是A: K-Means。