数据挖掘是目前信息处理和数据库技术领域的前沿研究课题,被公认为最具发展前景的关键技术之一。数据挖掘汇集了统计学、机器学习、数据库、模式识别、人工智能等学科的内容,是一门新兴的交叉学科。数据挖掘更强调的是从海量数据中发现隐含的知识和算法的可伸缩性,是一门很接近使用的技术,其技术含量高,实现难度也较大。聚类分析是数据挖掘的一个重要研究领域,是一种用于数据划分或分组处理的重要手段。聚类的应用非常广泛,在商务、市场分析、生物学、WEB文档分类等领域中都得到了充分的应用。本文对数据挖掘中的聚类技术进行了分析和讨论。首先分析了聚类算法的分类,系统介绍了各种聚类算法及关键技术;然后在原有算法基础上,本文给出了两种改进算法:一种是对k-means算法的改进,提出了一种新的初始化聚类中心的方法,该方法提高了聚类准确率;另一种是对模糊C-均值算法的改进,其基本思想是:通过对数据对象的模糊隶属度进行修正,以及在算法中引入模糊聚类有效性函数来自动确定最佳聚类数C。论文中对这两种改进算法进行了实验分析,实验表明改进是有效的。