聚类结果有效性评价是聚类分析中的一个重要研究方向,同时也是制约着聚类分析发展的瓶颈问题之一。单一的聚类有效性评价函数存在针对性太强、普适性太弱的局限,如何准确地评价任意特征数据集的聚类结果质量,一直是困扰学界的难题。针对这一局限性,本文通过分析数据集结构属性特征、聚类算法和聚类有效性评价函数三者之间的相互关系,提出了一个基于多目标决策的聚类算法综合评价模型,同时,引入了专家支持系统以实现对模型的指导。模型根据聚类算法的外部有效性评价函数、相对有效性评价函数划分为两个层面,分别以获取数据集最优聚类算法和最优聚类数目为目标导向。最后,通过对两个UCI数据集的实验分析,结果显示本文所提出的模型具有广泛的适用性和很高的准确度,能够应用于诸如应急管理、信用风险和软件缺陷检测等领域的数据聚类分析问题中。