随着经济全球化步伐不断加快，金融领域洗钱活动日益猖獗，并对国家经济稳定造成巨大危害，目前引起国际社会的广泛关注。洗钱势必助长走私、贩毒、贪污腐败、恐怖活动等，严重威胁全球经济发展与国家安全。目前被动、静止的反洗钱检测技术手段仍显落后，对金融犯罪的打击还处于人为干预阶段。如何分析海量的混合类型属性的半结构化的金融数据，如何从大量的金融交易记录中找到有意义的行为，如何分析这些行为来判定是否具有洗钱的特征，因此，具有高检测率和低误检率的可疑洗钱交易识别算法已成为金融领域研究的热点。　　 本文通过分析研究目前国外可疑洗钱交易检测系统常用的识别技术存在的不足及现有聚类算法在可疑洗钱交易识别应用中的优缺点，在深入研究BRICH聚类算法基础上，针对BIRCH聚类算法存在不能聚类出非球形簇等缺陷，本文提出一种面向反洗钱的BIRCH改进算法，并建立和实现了基于改进BIRCH算法的学习模型。　　 通过原始数据集、BIRCH算法和本文算法聚类后的簇的图形进行实验分析比对表明，本文算法能够聚类出非球形簇，并能有效处理噪声点。并与支持向量机、链接分析、孤立点检测通过实验对比表明，其中比链接分析的误检率下降了2％，检测率提高了10%。