由于洗钱犯罪活动和其他严重犯罪活动（如贩卖毒品、走私、恐怖袭击等）有着千丝万缕的联系，反洗钱工作正日益受到国际社会的高度重视。洗钱活动严重危及到金融的稳定、政府信誉、社会和谐，因此有必要对其进行比较深入的研究。洗钱犯罪分子进行洗钱活动是其按照自身利益最大化的原则进行的理性活动，但是洗钱本身并不是传统意义上的理性经济活动，这就决定了洗钱者及其洗钱行为会不同于正常经济活动的经济人和经济行为，这是能够对其进行挖掘的基础。数据挖掘技术在最近几年的研究与应用方面可谓是突飞猛进，并且因为其出色的处理问题能力，应用领域日益广泛。本文的研究目的是结合我国的实际情况将数据挖掘技术引入到银行业的反洗钱工作中，重点研究基于模糊聚类分析的偶然可疑洗钱行为的识别方法。本文首先对洗钱的概念和现状进行分析，提出进行反洗钱工作的必要性，其次说明目前国内外对洗钱的研究情况，并对其进行总结，然后结合本文的研究内容，给出研究的理论基础；而在本文的核心部分，首先对即将使用的基于模糊聚类分析的数据挖掘及孤立点探测的算法进行详细介绍,然后通过对现行银行业大额与可疑交易报告的现状分析,提出提高报告有效性甄别效率的思路,接着对基于商业银行系统的账户洗钱行为的识别进行专题研究，本文将运用工程科学里面的数据挖掘技术对偶然的可疑洗钱行为进行数据挖掘，而在模式分类方法的选择上，本文独辟蹊径，选择模糊聚类分析的方法，并给出相应的算法说明，在附录中给出部分数据挖掘的C++程序，应用真实交易数据和模拟交易数据对本文提出的识别方法进行验证。在论文的最后则是就对本文的研究成果给予比较客观的评价，指出一些研究成果和研究的不足，并就以后的研究方向给出了建议和意见。