数据开采通过建立模型揭示隐藏在大量数据中的知识(模式和关系),这些知识是隐含的、预先未知的、并且对用户具有潜在价值.数据开采综合了数据库系统、人工智能和统计学中成熟的方法和技术,其中聚类分析从统计学逐渐发展成为数据开采研究中的一个重要课题.作为一项数据开采任务,聚类分析的目的是从大型、多维数据集合中根据某种标准将相似的数据对象聚集到一个类中,好的聚类结果应当是同一类中的对象之间相似度尽可能的高,而处于不同类之中的对象之间相似度尽可能低.传统的聚类分析方法都没有考虑大容量数据集合的问题,而数据开采的研究重点之一就是如何从海量数据中高效率地获取知识;另外,传统聚类方法的研究多集中于数字属性的数据,而现实世界中存在大量非数字属性以及具有多种特征的数据集合;因此,聚类算法的研究主要集中在如何提高大型数据集合的聚类效率、如何处理具有各种特征的数据集合,如文档数据、分类数据、高维数据等.