数据挖掘是应用数学的一个热门研究领域。近年来,随着计算机技术、通信技术以及网络技术的飞速发展,许多领域中出现了连续到达、持续增长、动态演化的数据,这就是数据流(Data Streams)。数据流聚类是数据挖掘中的重要问题,也是当前研究的热点。由于数据流本身的特点,这对于聚类分析算法提出了更高的要求。本文针对经典的数据流聚类算法进行了深入的研究。主要工作如下：将蚁群算法应用到数据流的聚类算法中,得到了一个基于蚁群算法的数据流聚类(Ant-Based Clustering data stream, Abclustream)算法。该算法采用双层数据流的架构,利用概率而非距离对微聚类进行更新,利用概率的方法来判断孤立点。同时本文增设了一个周期检测机制,能够及时发现无效聚类。其次,由于现实生活中的数据流大多带有混合属性,本文将提出的算法推广到混合属性的数据流聚类分析中。最后,本文对提出的算法进行了实验仿真,与Clustream算法进行了比较,结果表明,本文算法在时空复杂性以及聚类质量等方面优于Clustream算法。且本文算法有利于发现任意形状的簇,同时对高维数据流也得到较好的结果。