聚类分析是多元统计分析中研究“物以类聚”的重要分支,其前身是人类认识世界的基础科学——分类学(数值分类学)。随着信息科学、计算机科学的迅猛发展,人类进入大数据时代。这一时代的聚类分析呈现高度计算机化、智能化特征,与数据挖掘技术高度结合。聚类分析可自动从复杂样本数据进行聚类,无需在分析前确定分类的标准。聚类分析的这些特点,使其在很多领域,如文本分类、机器学习、模式识别、图像分析等,得到广泛的应用。聚类分析可分为硬聚类和软聚类。软聚类即模糊聚类,是硬聚类的拓展,即由明确的类别关系拓展为模糊的类别关系。模糊C均值(Fuzzy C Means,简称FCM)聚类是应用最广泛的模糊聚类方法。类别数是影响FCM聚类效果的主要因素,有效性度量则常用于评价FCM聚类效果。因此有效性度量常作为选择FCM类别数的指标,是FCM算法改进研究的重点内容。文本分类是FCM的应用方向之一,其改进研究多集中在改进FCM的性能以提升分类效果,很少从文本数据本身的特征进行。本文基于以上两点进行研究,并获得两个研究成果。第一,本文提出一个新的有效性度量指标——XB+。较Xie和Beni提出的XB指标,XB+包含更多的类间信息,因此能更好地选择类别数。同时本文给出在5种不同数据集上的模拟实验,比较XB+与常用的4种有效性度量。模拟实验结果表明XB+在凸数据集上比其他4种度量表现略优。第二,本文提出结合LDA(Latent Dirichlet Allocation)与FCM算法的文本分类方法——LDA-FCM算法。文本数据通常是无法被计算机直接理解和处理的自然语言数据,在挖掘分析前需向量化表示,而向量化表示的文本数据是稀疏的和高维度的。同时文本数据具有词义模糊性(如一词多义和多词一义)和类别模糊性。本文提出的LDA-FCM算法,能降低文本数据的维度,降低由模糊性导致的分类错误率。同时给出LDA-FCM进行中文文本分类的实证研究,比较K-means、FCM及LDA-FCM的分类效果。