聚类是将数据分组成为簇或类，使得处于同一个簇中的数据之间相似度较高，而处于不同簇的数据之间差别较大。人们对于聚类问题已经进行了深入的研究，提出了很多的算法来解决各种各样的聚类问题。目前的算法大体上可以分为两类，一类是硬聚类，在硬聚类中，一个数据元素只能属于一个簇。另外一类聚类是模糊聚类，在模糊聚类中，一个数据元素可以同时属于多个簇，对于每一个簇有一个相应的隶属度，其值介于0和1之间。通过将数据归大隶属度值最大的簇，模糊聚类也可转化为硬聚类。 然而，在一些聚类问题中，一个数据元素是可以同时属于多个类或簇的，而且对于每一个类或簇，其隶属度的值均可为1。 本研究把这一类问题称为多隶属聚类问题。对于数据型数据，现有的模糊聚类算法也能加以解决，但对于事务属性数据或分类属性数据的多隶属聚类问题，目前尚无相关研究。 本研究针对事务属性数据的多隶属聚类问题，提出了三种算法，分别是基于频繁项目集的多隶属聚类算法、基于小项大项比的多隶属聚类算方法以及基于连接的多隶属聚类算法。对于分类属性数据，在进行变换后，也能用这三种聚类方法产生多隶属聚类。