如今，伴随着网络的快速发展和壮大，各式各样的信息也随之而来，其数量是难以估计的，其中又是以文本形式存在的数量最为巨大。对于这些数量巨大的文本信息，通过计算机的辅助，对其进行聚类或分类的操作再进行后继的处理，是目前一种常见的文本处理手段。本文主要讨论研究了与中文文本相关的聚类处理过程，主要是如何通过分词统计，特征表示，模糊聚类来得到一个好的文本聚类集。我们一般将一个文本表现为一个超空间矢量，矢量的各维坐标是文本中的各个词的词频相关信息。中文文本比起英文等外语文本，其聚类处理过程还要增加一个分词处理过程。本文重点研究了统计分词算法，通过引入字符串置信度概念，通过其进行冗余字符串的剔除，弥补了统计分词下伪字符串过多的缺点。对于最关键的聚类方法，重点研究了FCM算法的理论由来，处理方法以及缺点不足。针对FCM算法的三个主要缺点，我们引入模糊聚类有效性函数和半监督聚类方法进行弥补。通过对改进了的目标函数的数学推导，得到了改进了的隶属度函数。在此基础上，我们提出了一种新的PSFCM算法来作为文本聚类的算法，并对其进行了验证分析，证实了其主要优点就在于自适应选择聚类数，以及较强的鲁棒性。最后，我们在文本聚类上的使用该算法进行实际的操作，证明了该算法在文本聚类处理上有着较好的表现。