现有的直觉模糊C-均值算法(IFCM)往往忽略了犹豫度在直觉模糊划分中的作用,在算法中没有给出一个确定划分矩阵中犹豫度的准则,所得到算法并不能真正解决被分类对象矩阵、聚类中心矩阵及划分矩阵均为直觉模糊矩阵的直觉模糊聚类问题。本文针对这类问题重新定义了直觉模糊划分矩阵,给出了能确定划分矩阵中犹豫度的聚类准则,提出基于多目标规划的IFCM算法。然后基于该算法进一步探讨直觉模糊环境下的软聚类算法,重新定义了可能性直觉划分矩阵,提出了直觉模糊环境下的可能性C-均值算法(IPCM)。最后,结合了IFCM算法与IPCM算法的优势,将可能性模糊C-均值算法(PFCM)推广到直觉模糊环境下提出可能性直觉模糊C-均值算法PIFCM,PIFCM算法不仅而且能一定程度上克服IFCM算法对噪声敏感的不足以及IPCM算法容易产生一致性聚类的缺陷。文章对给出的算法都进行了收敛性证明,并结合实例,从一定程度上说明了算法的有效性和优越性。