Задача кластеризации обычно такая: собрать в группы объекты по каким-то критериям. По сути характеристики объектов задают точку в n-мерном пространстве. А что делать, если исходные данные не объекты, а множество объектов и эти множества нужно объединить в кластеры. В этом случае характеристика объекта кластеризации задается не значением, а диапазоном значений(миним-максим). Соответственно, эти множества могут пересекаться, быть вложенными друг в друга и т.д. Если кто знает, подскажите, пожалуйста, алгоритм подобной кластеризации или хотя бы критерий, который можно использовать.

Мин-макс - это получается так называемая интервальная арифметика, методы кластеризации таких данных должны быть.
Хотя, реально нет ничего сложного - можно брать стандартные методы кластеризации и менять в них только метрику, оценивающую расстояние от центра кластера до объекта: вместо евклидовой метрики над двумя векторами - центром кластера и объектом - надо будет построить расстояние между вектором-центром и интервальным вектором (характеризующим множество объектов).

Есть книжка такая Дж. Ту, Р. Гонсалес "Принципы распознования образов"
страница 107 
раздел 3.3.4 "Алгоритм максимального расстояния" и много других кластреных алгоритмов