聚類分析的概念主要是來自多元統計分析，例如，考慮二維坐標系上有散落的許多點，這時，需要對散點進行合理的分類，就需要聚類方面的知識。模糊聚類分析方法主要針對的是這樣的問題：對於樣本空間P中的元素含有多個屬性，要求對其中的元素進行合理的分類。最終可以以聚類圖的形式加以呈現，而聚類圖可以以手式和自動生成兩種方式進行，這裏采用自動生成方式，亦是本文的程序實現過程中的壹個關鍵環節。
這裏所實現的基本的模糊聚類的主要過程是壹些成文的方法，在此簡述如下：
對於待分類的壹個樣本集U=,設其中的每個元素有m項指標，則可以用m維向量描述樣本，即：ui=(i=1,2,...,n)。則其相應的模糊聚類按下列步驟進行：1）
標準化處理，將數據壓縮至(0-1)區間上，這部分內容相對簡單，介紹略。(參[1])2）
建立模糊關系：這裏比較重要的環節之壹，首先是根據“距離”或其它進行比較的觀點及方法建立模糊相似矩陣，主要的“距離”有：Hamming
距離:
d(i,j)=sum(abs(x(i,k)-x(j,k)))
|
k
from
1
to
m
(|
k
from
1
to
m表示求和式中的系數k由1增至m，下同)Euclid
距離:
d(i,j)=sum((x(i,k)-x(j,k))^2)
|
k
from
1
to
m
非距離方法中，最經典的就是壹個夾角余弦法：
最終進