随着计算机技术的发展,信息数据越来越多,如何从海量数据中提取对人们有价值的信息已经成为一个非常迫切的问题。由此产生了数据挖掘技术,它是一门新兴的交叉学科,汇集了来自机器学习、模式识别、数据库、统计学、人工智能等各领域的研究成果。聚类分析是数据挖掘中的一个重要研究领域。它在图像处理、入侵检测和生物信息学等方面有着极为重要的应用。由于聚类对象在高维特征空间分布的复杂性,聚类效果评价的不确定性和灵活性,以及聚类作为一个优化问题求解的高计算复杂性,聚类算法仍然面临着众多的问题和挑战。本文首先提出了一种新的基于“90-10”规则的并行数据预处理算法,该算法对现有基于“90-10”规则的预处理方法进行了改进,以减少最小生成树构建时的结点数目,它可使原始输入数据的规模最多减少为原来的1/10,而不致改变聚类效果;针对目前基于SIMD模型的并行分层聚类算法存在的无法解决存储冲突问题,应用预处理算法,提出一种基于SIMD-EREW共享存储模型的并行分层聚类算法。算法使用O(p)个并行处理单元,在O((λn)2/p)的时间内对n个输入数据点进行聚类,其中0.1≤λ≤0.3。将提出算法与现有文献结论进行的理论性能分析表明:本算法明显改进了现有文献的研究结果,是一种自适应无存储冲突的并行分层聚类算法。为了验证本文算法的性能,利用基准测试数据集在学校高性能计算中心的IBM P690机器上进行了计算实验。实验结果证明了本文算法在计算时间和空间上的比较优势,以及对大规模数据集所具有的高可扩展性。