1、數(shù)據(jù)挖掘作為一個新興的、多學(xué)科交叉的應(yīng)用領(lǐng)域，正在各行各業(yè)的以信息分析為基礎(chǔ)的決策支持系統(tǒng)活動中扮演著越來越重要的角色。其中聚類分析是數(shù)據(jù)挖掘研究領(lǐng)域中一個非常重要的研究課題，它在電子商務(wù)、圖像處理、模式識別、文本分類等領(lǐng)域有廣泛的應(yīng)用。本文對聚類分析及其在數(shù)據(jù)挖掘中的應(yīng)用進(jìn)行了深入的研究，主要研究工作如下：
　　 (1)深入研究了聚類分析技術(shù)，對聚類分析中的各種算法進(jìn)行了詳細(xì)分析。
　　 (2)重點研究了聚類分析算法中

2、應(yīng)用最為廣泛的算法-k-means算法。雖然k-means算法具有簡單、易實現(xiàn)、計算快等特點，但是該算法同時也存在著致命的弱點：對初始化很敏感、易陷入局部最優(yōu)解。為此，本文又進(jìn)一步研究了基于遺傳算法的k-means聚類方法(G KA)。
　　 (3)在深入研究了k-means算法和遺傳算法的基礎(chǔ)上，根據(jù)二者的特點，將二者相結(jié)合，提出了一種改進(jìn)的遺傳k-means聚類算法(IGKA)，并從編碼方案、適應(yīng)度函數(shù)構(gòu)造、種群初始化、選擇