聚类分析技术作为一种数据处理手段近些年来一直是人们的研究热点，其在模式识别、数据挖掘、图像处理等领域内有着广泛的应用。聚类算法主要分为基于划分的聚类算法和基于层次的聚类算法，其中基于划分的聚类算法是模式识别和图像分割中最常用的算法类型，C-均值和模糊C-均值聚类算法作为两种经典的划分聚类算法在应用中也最为广泛。 本文首先介绍了聚类的数据类型和聚类算法的分类，然后对几种常用的划分聚类算法进行了分析，得出其与奥卡姆剃刀准则存在着天然的内在联系。本文还分析了文献中常用的几种聚类有效性指标，并研究了C-均值算法、模糊C-均值算法、NormalizedCut算法在图像分割中的应用，通过实验对这些算法进行了对比分析。 全文共分六章，各章的主要内容如下： 第一章介绍聚类的概念、应用、处理的数据类型以及聚类方法的分类情况，并确定本文的研究范围和基本框架。 第二章对基于划分的聚类算法进行了简要的评述，同时分析了一些常用的聚类算法如C-均值，模糊C-均值等和奥卡姆剃刀准则的关系。 第三章则主要针对国内外当前对聚类有效性的研究做深入全面的介绍和分析。在对这些聚类有效性指标进行分类、介绍和分析之后，指出了在设计聚类指标时需要注意的问题。 第四章介绍了图像处理方面的基础知识以及图像分割的基础知识，同时也简要说明了聚类在图像分割中的应用情况。 第五章将两种流行的聚类方法C-均值和模糊C-均值算法应用到在图像分割中，并分析比较了实验的结果。本章还详细介绍了一种较新的图像分割方法NormalizedCut算法，经过编程实验，将此算法分别应用到了实数据集合和图像数据中，都得到了较好的效果。 第六章结束语总结了全文，并对聚类算法、聚类有效性函数及其在图像分割的应用中还存在的问题进行了讨论。