刑事犯罪案件的聚类分析有助于公安刑侦人员集中犯罪信息,寻找有力线索,缩小侦查范围,锁定目标嫌疑人。在应急情景下,受害人、证人以及刑侦人员等对案情的描述与记录具有随机性、模糊性以及灰色性等特征,导致刑事犯罪案件的信息具有强烈的多元不确定性特点,然而目前的相关研究对解决刑事犯罪案件的聚类问题存在着一定的局限,因此本文提出了一种基于多元不确定性的刑事犯罪案件聚类方法,从案件聚类指标体系构建、聚类属性指标评价、聚类特征指标权重配置、案件聚类方法设计等方面进行了深入研究。本文主要研究内容总结如下:(1)从多元不确定性的视角出发,界定了基于多元不确定性的刑事犯罪案件聚类内涵,介绍和分析了刑事犯罪案件的种类与特征属性,并在此基础上构建了刑事犯罪案件的聚类指标体系,设计了一种基于多元不确定性的刑事犯罪案件聚类流程;(2)根据多类型不确定性数据的特征,深入挖掘概率数、模糊数、区间值模糊数以及灰数的特点,分析这几种不确定性数的关系与共性,提出广义区间灰数的概念以及表征方法,以此对这几种不确定性数进行统一表征,然后分别讨论广义区间灰数的基本运算、范数模型以及大小比较等问题,为解决多元不确定性数据的表征与计算问题提供一个新思路;(3)通过对刑事犯罪案件的历史聚类案例进行有效学习,深度挖掘其聚类规律,建立广义灰色相似度模型,测算聚类属性指标间的距离以及案例整体的整体相似度,然后根据极大熵原则构建基于历史聚类案例学习的广义区间灰数熵权重配置模型,求解出各个聚类特征指标的权重,为解决多元不确定性多属性聚类指标赋权问题提出了一种新方法;(4)结合广义区间灰数的特点,将传统的典型白化权函数、适中测度白化权函数、下限测度白化权函数以及上限测度白化权函数推广到评价值为广义区间灰数的形式,推导出四种广义区间灰数的白化权函数,然后在广义区间灰数熵权重的基础上,设计出一种基于广义区间灰数熵权重的刑事犯罪案件聚类方法,为解决多元不确定性多属性聚类决策问题提供了一种新技术。最后以安徽省某市公安局的刑事犯罪案件为例,对本文提出的模型和方法进行了验证分析,得到的结果符合现实情况,表明了基于多元不确定性的刑事犯罪案件聚类方法具有一定的可行性与有效性。