数据挖掘是当前很多领域的一个研究热点，引起了大量研究人员的关注。而聚类分析是数据挖掘的一项重要功能，也可以说是数据挖掘的一个研究分支。如今这方面的研究主要集中在聚类算法上，产生性能好而且实用的聚类算法是其终极目的。作为基础本文首先对数据挖掘做了一个大致的介绍，旨在形成对数据挖掘的一个整体认识。在此基础上详细研究了现存的各种主要有代表性的聚类算法，完成了对它们缺点与优势以及各自所适应的具体情形的分析，并对各个算法的多方面性能进行了一个总体的相对比较全面的描述与比较；更进一步针对划分方法类经典算法需要给出结果簇数目K这个最大的不足讨论了对其的一些改进方法。而最最重要的是引出了一种新的聚类算法：基于分布的大型数据库聚类学习法(DBCLAD)，它不但避免了需要用户给出难以确定的参数的尴尬局面而且可以发现任意形状的簇，是一个非常有优势有前景的算法。最后详细介绍了该算法的具体实现并把它应用到一个实例中。