本文主要从文本预处理和文本聚类两方面较为系统的研究了中文文本聚类的全过程。首先介绍了文本聚类关键技术的基本现状,让读者对文本聚类的主要过程有了进一步的了解。针对数据清洗过程对稀有词过滤存在误去的情况,提出了对稀有词过滤的新方法。该过滤方法由于保证了文本特征项的完整性和精炼性,所以提高了文本聚类的效果。然后通过采用词频统计的方法对文本向量进行降维处理,从而得以选择最佳的能够反映文本本身类别特征的特征项,将文本集合表示成为向量空间模型。接下来将改进的模糊C-均值(SUB-FCM)算法应用到文本聚类中,解决了模糊C-均值(FCM)算法对初始值敏感而容易陷入局部最优的问题。经验证,SUB-FCM算法比传统FCM算法迭代次数降低、速度更快,获得的初始聚类中心较好；并且在中文文本聚类中,文本所设计的SUB-FCM文本聚类方法同传统FCM文本聚类方法相比较,无论是在类内部的聚合度还是类别间的相似度上都具有更好的效果。