随着信息化技术的发展,各领域系统中积累的数据越来越多,简单的查询统计功能已经满足不了实际需求,运用数据挖掘方法从现有数据中发现潜在、有意义的规律,获取有价值的知识,为高层管理与辅助决策提供依据已经成为解决问题的关键。因此,本文提出了“交通领域中的聚类分析方法研究”,主要包括：1.复杂多源异构数据整合方法研究,采用XML技术实现数据交换的接口,提供数据的共享与交互功能,解决各行业现行系统中数据的异构问题,从而满足不同系统之间数据的互联互通,为进行数据挖掘提供了数据准备。2.面向混合属性数据的权熵模糊c-均值优化方法研究,主要是针对现有算法的不足而提出。同时将其引入模糊关联规则中,以此提高了关联规则挖掘的精度和效率,同时拓展了模糊关联规则的应用范围。3.面向混合属性数据的聚类融合方法,提高聚类稳定性的同时,提高了聚类的精度和效率。给出了聚类融合的模型体系,并根据混合属性数据的特征进行了相应的扩充,包括分类、混合属性数据聚类成员的产生方法；共识函数的设计方法及步骤；簇的合并与分裂策略及步骤。4.研究基于聚类融合的混合属性数据增量聚类方法,针对增量聚类的研究中缺少对混合属性数据的研究,且增量方法易出现不稳定的现象,提出了基于聚类融合的增量聚类方法,分别讨论了有、无数据基础时的增量聚类问题,提高了聚类的精度和效率,节省了聚类的时间。5.研究聚类分析在交通领域中的应用,挖掘导致交通事故的原因和潜在规律,为相关管理部门提供辅助决策,预防交通事故的发生,确保国家、人民的生命财产安全。通过聚类在船舶等级划分中的应用,提高海事管理部门的管理效率,为管理者提供决策的依据。