随着互联网的飞速发展，Web数据以指数级的速度快速增长，对Web资源所蕴涵的潜在价值的需求促进了数据挖掘技术在其中的应用。由于Web数据的海量、高维、动态以及不可预测性，基于Web的聚类研究已逐渐成为了新的热点。　　 本文对聚类算法在Web挖掘中的应用展开研究，针对Web文本数据的特点，对已有的聚类算法做了一定的改进，使其能适应于Web文本挖掘，并且提高聚类的准确度。　　 论文首先针对K-means聚类算法在Web文本挖掘中的应用，引入了一种新的数据预处理方法，并优化了初始质心的选择，设计了改进的K-means聚类算法。接着，研究了蚁群聚类算法及其在Web挖掘中的应用。针对传统的蚁群聚类算法(ACCA)未考虑各维特征贡献率的缺陷，引入了特征加权算法，并且使用了新的概率转换函数；针对ACCA中离群点问题，提出了一种基于层次聚类和蚁群聚类的组合聚类算法－层次化蚁群聚类算法(HACCA)。论文还进行了算法实现，并基于《人民日报标注语料库》的文档－特征矩阵做了仿真实验，验证了所设计的各个算法对Web文本挖掘的有效性。　　 论文对聚类算法在Web挖掘中的应用做了有益的研究。