本文将重点研究人工免疫算法在聚类分析中的应用，提出了一种基于免疫网络的聚类算法；并从算法的收敛性分析以及聚类有效性评估等方面对免疫聚类模型的关键技术进行了深入研究。 在第一章中，首先就数据挖掘进行概述，主要讨论数据挖掘的产生、发展以及数据挖掘算法可以实现的功能，主要包括：类／概念描述、关联规则、分类与回归、聚类分析、序列与时序分析以及孤立点分析等。最后给出了本文研究的主要内容和组织结构。 在第二章中，首先介绍了聚类分析的定义，聚类算法的基本要求，以及聚类中用到的主要数据类型；然后讨论了聚类分析的各种算法：划分方法、层次方法、基于密度的方法、基于网格的方法、基于统计模型的方法、基于神经网络的方法、基于支持向量机的方法和基于人工免疫的方法。 在第三章中，首先简要介绍了自然免疫系统的运作机制，然后在此基础上阐述了人工免疫系统的方法原理。 第四章重点研究了基于人工免疫的聚类算法，通过DCAAIN(DocumentClustering Algorithm based on Artificial Immune Networks)算法的实例解释了基于人工免疫聚类算法在文本聚类中的应用。 第五章从理论推导和仿真验证两方面对DCAAIN算法做了进一步的收敛性分析。 第六章研究了聚类有效性评估在聚类分析中的作用，并详细阐述了基于SDbwnew指标的聚类有效性评估。 第七章对论文进行了总结，介绍了本文的主要内容及主要贡献，并对进一步的研究和需要完善的问题提出了看法。