聚类分析是数据挖掘研究中的一个分支,模糊聚类是聚类分析的一个重要研究领域,经过众多研究人员的努力,目前已取得了丰硕的成果,其中的模糊C-均值(FCM)聚类算法因其良好的性能而被广泛应用于多个研究领域。聚类分析是一个无监督的学习过程,事先对数据集的结构一无所知,因此,在聚类分析中,对于最终得到的聚类结果,需要进行聚类有效性验证和质量评价,这一问题被称为聚类有效性问题。解决这一问题的一个有效方法是构造聚类有效性函数,通过有效性函数来对聚类结果进行定量的分析。本文针对聚类有效性问题展开研究,提出了一个新的适用于模糊聚类的有效性指标。主要工作如下:(1)概述了数据挖掘及模糊聚类的现状及存在问题。(2)概述了模糊理论的相关知识,研究了FCM算法的原理及改进方法。(3)对聚类有效性问题进行了深入地研究,对现有的聚类有效性指标进行了深入的分析。(4)提出了一个新的模糊聚类有效性指标并通过实验进行验证。实验结果表明,新指标正确有效,不管是对于类间有重叠的数据集还是无重叠的数据集,都能够做出正确的判定,因此新指标具有理论和实用价值。