进入到21世纪，随着新兴技术的飞速发展，数据挖掘技术变得越来越重要。聚类分析作为数据挖掘中的一个重要领域，受到人们的普遍关注。在现实生活中，很多客观事物的界限不是完全清晰的，往往呈现出复杂状态的模糊特征。模糊聚类能够对具有模糊性的客观事物进行有效分析，其理论与应用研究已成为聚类分析领域的热点方向。
　　本文综合考虑聚类过程中的各类偏好信息，研究了属性值以直觉模糊数、区间直觉模糊数形式给出的聚类算法，并将其应用于福建宜居城市的聚类分析。首先，定义了考虑偏好信息的直觉模糊相似度量公式，利用平方法生成等价矩阵，建立了考虑偏好信息的直觉模糊聚类算法。其次，通过构建卡方偏差最小化模型，提出一类连续型最优直觉模糊信息集结算子，研究了连续直觉模糊集结算子具有的优良性质。基于连续最优集结算子，定义了区间直觉模糊数的距离测度，分析该距离测度满足的公理化条件，并由此建立了考虑偏好信息的区间直觉模糊聚类算法。最后，将基于偏好信息与Shapley值的聚类算法应用于福建省宜居城市的聚类分析，给出定量化的分类结果及政策建议。