当用户面对经过本体标注过的大量实例时，如何快速的挖掘出对用户有用的信息仍是研究人员迫切需要解决的问题。聚类作为一种无监督的分类方法是对大量实例数据处理的重要手段，但是聚类在本体中如何应用的研究成果还比较少。因此本论文是为了开发基于本体的语义聚类工具而研究了聚类算法在本体领域内应用。本论文针对聚类在本体领域应用的过程中出现的问题，研究了经过本体标注后的实例数据进行聚类的过程；阐述了本体与聚类算法相结合的基本思想和方法；介绍了本体相似度算法与聚类的相关技术；分析了概念相似度算法和FCM算法的基本思想；设计改进的概念相似度算法、属性相似度算法、实例相似度算法和基于本体的OWLFCM聚类算法以及聚类结果优化调整算法；给出了基于本体的聚类工具的应用架构设计；并实现了该聚类工具。根据对设计的各种算法和实现的工具的测试，表明概念、属性和实例相似度算法在OWLFCM聚类中可以得到良好的聚类效果，并且基于本体的聚类结果优化调整算法也可以将OWLFCM的结果进行很好的优化，同时基于本体的实例聚类工具OWLCluster各功能也达到了设计要求。