数据挖掘是目前信息处理和数据库技术领域的前沿研究课题,被公认为最具发展前景的关键技术之一。聚类分析是数据挖掘的一个重要研究领域,是一种用于数据划分或分组处理的重要手段。聚类的应用非常广泛,在商务、市场分析、生物学、WEB文档分类等领域中都得到了充分的应用。常用的聚类分析方法有划分聚类方法、层次聚类方法、基于密度的聚类方法、基于网格的聚类方法、基于模型的方法等。这些方法所涉及的领域几乎遍及人工智能科学的方方面面,而且在特定的领域中,取得了良好的效果。首先,本文对数据挖掘中的聚类技术进行了分析和讨论,总结了聚类算法的分类,系统介绍了各类聚类算法的原理、优缺点及关键技术。然后,针对FCM算法的对初始值敏感,以及目标函数没考虑类间距离的缺点,提出了一种基于层次聚类的模糊聚类算法(HFCM)。该算法采用凝聚的层次聚类方法,快速地发现高度聚集的数据区域,并对这些高密度区域进一步进行分析与合并,通过评估函数的评估,找到最优的聚类方案。最后,分别用人造数据和真实数据进行实验验证,结果表明,该算法具有较高的分类精确度和较高的排除噪声的能力。