随着获取空间数据技术的发展，大量的空间数据被积累下来，如何从这些空间数据中获取有意义的信息成了当前急需解决的问题，因此空间数据挖掘技术也成了人们研究的热点。空间聚类作为空间数据挖掘中一种重要的方法，在很多的领域都得到了广泛的应用，相关的专家学者提出多种空间聚类算法，但由于对属性数据的忽略或者是空间关系的考虑不足，使得这些算法存在一定的缺陷。为了从大量的空间数据中挖掘出更有效、更符合客观规律的信息，本论文在总结分析前人研究的基础上，提出了一种新的聚类算法。 该算法从人类感知数据的方式出发，引进多尺度空间聚类的思想，依据空间对象的本质特征，将空间数据与属性数据一体化进行聚类分析。首先根据空间数据生成Delaunav三角网，利用Delaunav三角网所表达的空间拓扑关系来描述空间对象的空间特征，然后利用统计学中的相关系数来表达空间对象的属性关系。将属性特征不明显的空间对象归类为与其相邻且属性特征较为明显的空间对象所在的类中，即选用属性特征较显著的空间对象代表其所在类内的所有空间对象，随着尺度的变换，同一空间对象呈现出不同的分布状态，即聚类分析具有多尺度的特征。 论文的最后利用该算法对全国城市经济类别的相似情况进行了聚类分析，聚类的结果符合当前我国城市发展的客观规律，同时也证明了该算法的有效性和实用性。