数据挖掘是指从大量资料中自动搜索隐藏于其中的有着特殊关联性的信息的过程。作为数据挖掘的一种强有力的分析工具，聚类分析得到了人们的广泛关注。　　克隆选择机理是免疫优化计算中最常用的基础理论之一。其中，克降选择算法CLONALG是经典的免疫算法。传统的克隆选择算法存在着参数过多等问题。因此，近些年来，有关学者提出的一种新的克隆选择算法——班德文克隆选择算法，它简化了参数的设置，本文将班德文克隆选择算法应用于数据的模糊聚类。具体工作如下：　　首先，基于班德文克隆选择算法提出一种新的模糊聚类算法，将它与FCM算法，CSAFCM算法在人工数据集和UCI数据集上进行了对比实验。结果表明我们的算法无论从平均正确率还是鲁棒性上都具有好的优势。　　其次，基于班德文克隆选择算法提出了一种新的自动模糊聚类算法，并将它与VGA算法在人工数据集和UCI数据集上进行了对比实验。结果证明我们的算法在多类别数据集上具有较高的平均正确率。　　最后，将加入班德文学习算子的人工免疫多目标优化算法应用于多目标数据模糊聚类。多目标聚类算法对两个目标函数同时进行优化，我们将它应用于人工数据集和UCI数据集，进行了初步的研究实验，实验结果表明，算法具有较高的聚类正确率。