数据挖掘是指从数据库中抽取隐含的，具有潜在使用价值信息的过程，是一种新型的数据分析技术，已经被广泛的应用于金融，保险，政府，教育，运输以及国防等领域。聚类是数据挖掘领域中最活跃的研究分支之一，聚类在统计学、模式识别、图像处理、机器学习、生物学、市场营销等许多领域有广泛的应用。通过聚类，人们能够识别发现全局的分布模式和数据属性之间有趣的相互关系等，由于聚类分析在数据处理中的重要性和特殊性,近年来涌现出了许多聚类分析方法,它们大致可以分为基于划分的聚类方法,基于层次的聚类方法,基于密度的聚类方法,基于网格的聚类方法,以及基于模型的聚类方法等。 论文主要针对现有的各种聚类算法的不足，进行深入的研究，探索聚类分析利用粗糙集对现有蛛网模型算法的改进，以便更好的提高蛛网模型算法的效率，更好的应用于实际工作中。 论文主要的研究工作如下： 第一：从宏观上介绍了数据挖掘和聚类分析的理论基础，并对聚类分析算法中的几种算法进行了分析和比较。 第二：本文对蛛网模型算法进行了优化研究，经过比较，改进后的蛛网模型算法优于现在的蛛网模型算法。