一、聚类：按照数据之间的相似性，对数据集进行分组或分类（簇, cluster）的过程，试图使类内差距最小化，类间差距最大化。
利用聚类结果，可以提取数据集中隐藏的信息，对未来数据进行预测和分类。应用于数据挖掘、模式识别、图像处理、经济学……

二、聚类在数据挖掘中的典型应用：
聚类分析可以作为其它算法的预处理步骤：利用聚类进行数据预处理，可以获得数据的基本概况，在此基础上进行特征抽取或分类就可以提高精确度和挖掘效率。也可将聚类结果用于进一步关联分析，以获得进一步的有用信息。
可以作为一个独立的工具来获得数据的分布情况：聚类分析是获得数据分布情况的有效方法。通过观察聚类得到的每个簇的特点，可以集中对特定的某些簇作进一步分析。这在诸如市场细分、目标顾客定位、业绩估评、生物种群划分等方面具有广阔的应用前景。
聚类分析可以完成孤立点挖掘：许多数据挖掘算法试图使孤立点影响最小化，或者排除它们。然而孤立点本身可能是非常有用的。如在欺诈探测中，孤立点可能预示着欺诈行为的存在。

三、聚类分析的目标
四、聚类分析方法的分类
五、数据相似性的度量-距离
六、聚类方法
K-均值算法
k-means算法的性能分析
k-中心点算法（k-medoids）
PAM算法特点
AGNES算法
DIANA算法
层次聚类方法的改进
……