事物之间的界限,有些是确切的,有些则是模糊的。模糊聚类算法是涉及事物之间的模糊界限时,按一定要求对事物进行分类的数学方法。本文重点研究模糊聚类算法在建筑气候分区上的应用。在本文研究过程中首先就模糊C均值聚类(FCM)算法和加权模糊C均值聚类(WFCM)算法在气候分析上的适用性进行了探讨,并对两种算法的实验结果进行分析和检验,基于分析结果本文选用加权模糊C均值聚类算法进行建筑节能气候分区研究。加权模糊C均值算法权值的确定采用主成分分析方法,将模糊C均值算法目标函数中的欧氏距离改用加权欧氏距离来定义,使得各指标在建筑气候划分中的贡献比例不同,从而使模糊聚类结果更加符合实际情况。由于加权模糊C均值聚类算法是一种无监督学习的模糊聚类算法,需要事先给定模糊聚类数。本文根据建筑气候划分的实际情况给出聚类数的取值范围,并一一进行模糊聚类。并在第五章使用聚类有效性指数对所有聚类结果进行有效性分析,实践结果表明,当聚类数为8时,得到的分类结果最优,并以此为基础对划分结果进行分析并针对不同的划分区域提出相应的被动式设计策略。另外,还将本文的建筑气候区划图与我国建筑热工区划图相比较,对分区结果中的部分异常点做出了解释和分析,并从全国气候划分的整体出发,得出本文的划分结果相对较准确一些。