现代工业对机械设备自动化和智能化程度要求越来越高，聚类分析作为一种数据自动处理方法在机械领域的应用越来越广。本文围绕可能性聚类方法及其在应用中存在的问题展开研究，进行了下述工作。通过限制解的可行域与引入全局优化技术来解决可能性聚类初始化敏感度高、重合聚类的问题；通过引入可能性协方差矩阵与距离函数加强算法对噪声与聚类形状的鲁棒性。研究了基于核方法的可能性聚类模型，引入核化距离进一步增强噪声鲁棒性；将数据映射到高维特征空间实现对非凸聚类结构的识别能力。建立了两类具有多尺度分析性质的可能性聚类方案。一方面，结合可能性聚类的模式搜索性质，建立基于均值漂移(MS)的多尺度可能性聚类(MPC)框架，将此框架下衍生出的MPC-PCM算法应用于图像分割中，提出了一种图像加权与分割算法，实验结果表明了该算法的有效性；另一方面，提出一种基于自动融合的MPC算法(MPC-AM)，MPC-AM算法根据数据特点自适应地组织聚类结构与确定聚类个数。研究了聚类有效性问题，并从统计理论角度分析与证明了核聚类与传统聚类进行无监督聚类任务时的鲁棒性。对提出的各种可能性聚类算法在轴承故障诊断中的应用进行了研究。实验证明，IUPC、UPC-IMD与MPC-AM的诊断精度均高于基于模糊聚类的故障诊断方法。