目前已有的聚类算法大部分局限于处理连续属性或是分类属性的数据,然而在实际应用中,许多数据集是由连续属性数据和分类属性数据共同组成的,仅适用于单种数据类型的聚类算法就不能满足需求。因此,对混合了分类属性数据和连续属性数据的聚类算法的研究,具有重要的理论意义和实际价值。本文的主要研究工作包括以下几个方面：(1)首先介绍无监督离散化算法和k-ANMI聚类算法,然后提出基于一种无监督离散化的混合数据聚类算法,在UCI数据集上的实验结果表明,提出的无监督离散化的混合数据聚类算法聚类混合类型数据是非常有效的。(2)有监督离散化算法CAIM的介绍,然后提出基于有监督离散化的混合数据聚类算法,在UCI混合数据集上的实验结果表明,提出的算法优于k-prototypes算法,UCI连续数据集上的实验证明,提出的基于有监督离散化的连续数据聚类算法对比k-means算法具有更好聚类效果。(3)介绍基于质谱技术的蛋白质鉴定以及蛋白质推断问题,然后提出如何应用本文的聚类算法解决蛋白质推断问题,并给出解决方案,通过真实的蛋白质数据验证算法在蛋白质推断应用中的可行性和有效性。