模体蕴含着极其丰富的生命特征遗传信息，在研究基因表达的调控机制方面有非常重要的生物学意义。模体发现问题是生物信息学的核心问题之一，是近几年研究的热门问题。本文探究了谱聚类算法和近邻传播聚类算法在模体发现问题上应用的可行性，将模体发现问题转化为谱聚类算法和近邻传播聚类算法可处理的模型，然后利用聚类算法对问题进行聚类求精，最终可得出一组候选模体集。利用相对熵和聚类测度对候选模体集合进行评价并且择优输出。本文使用模拟数据和5组真实的生物数据对算法的有效性进行了验证，并且利用性能系数对算法结果的准确度进行了评价，比较了谱聚类和近邻传播聚类在模体发现问题中的适用性，探究了相对熵与聚类测度之间的关系。通过将算法应用到不同的生物数据转录因子结合位点的识别，发现基于聚类的模体发现算法对模体保守度高且生物背景噪声对模体干扰比较小的生物数据可以取得非常好的效果。