学科建设是高等院校科研与教学的结合点，是学校办学水平的重要标志。实施学科评估也是加强研究生教育，促进科学研究，提高人才培养质量的一个重要手段。本文针对学科建设评估中存在的大量不确定性和模糊性，引入模糊聚类算法，对学科建设评估进行初步的量化分析。　　 在众多模糊聚类算法中，FCM算法是应用最为广泛、最为灵敏的一种算法。但FCM算法对初始值敏感，难以取得全局最优，对数据集也有等划分的趋势。本文分别从聚类中心初始化和目标函数加权两方面来改进算法。先利用减法聚类的方法选定初始的聚类中心，再对目标函数利用密度函数加权来调整聚类中心。采用IRIS数据集通过仿真实验验证了算法的可行性。　　 本文将改进的FCM算法应用到学科建设中，简要介绍学科建设的概述，阐述了学科建设评估指标体系的确立思想和原则，并给出适用于本文数据的评估指标体系，在对数据进行评估之前进行数据处理，最后利用改进的FCM算法对数据进行综合评估分析和特定指标评估分析。结果表明改进的FCM算法是一种有效的评估分析方法，具有广泛的应用前景。