数据挖掘技术是近几年国内外迅速发展起来的一门交叉学科,是利用数据库、统计学、人工智能与机器学习等学科的技术对大量数据进行处理,提取隐含其中的、人们事先不知道的潜在有用信息和知识的过程,已经广泛被应用于农业生产、金融保险、国防等领域。作为数据挖掘的一个重要分支,聚类分析引起了人们的广泛关注,它可以作为独立的数据挖掘工具或者作为其他数据挖掘算法的预处理步骤。聚类是一种无监督的分类,是人们认识社会和自然界的一种重要方法。在现实世界中,许多客观事物之间的界限往往是模糊的,对事物进行分类时就必然伴随着模糊性,由此产生了模糊聚类分析。近几年,在模糊集研究的基础上,人们对直觉模糊集和区间直觉模糊集的研究已成为热点。事实说明直觉模糊集和区间直觉模糊集能更加细腻地描述和刻画客观世界的模糊性本质。从目前的文献上看,还没有区间直觉模糊集聚类方法的研究报道,区间直觉模糊集的聚类分析是一个崭新的研究领域,对其的研究具有重要的现实意义。本文研究了区间直觉模糊集的性质,及在这些性质的基础上提出了区间直觉模糊集的聚类算法,取得了一定的研究成果。本文从区间直觉模糊集基础理论入手,引入了区间直觉模糊关系、区间直觉模糊相似关系、区间直觉模糊等价关系,并对它们的运算性质和定理做了较深入地研究,给出了由区间直觉模糊相似矩阵转化为区间直觉模糊等价矩阵的途径。在此基础上,提出了区间直觉模糊等价矩阵的实数λ截矩阵,并研究了基于区间直觉模糊等价关系的聚类算法。通过示例对此方法进行了说明分析。针对现有的度量区间直觉模糊相异度不够完善之处,提出了用四个具有明确物理意义的因素来度量相异度的方法,该方法更接近于对象的客观、真实情况,更大程度上保留信息。接着引入了区间直觉模糊相似度,对基于多属性情况下的区间直觉模糊集的聚类算法作了研究。