随着科学的飞速发展，信息时代带给人们越来越多的数据，现在各行各业都有着大量的未被充分利用的数据。为了更加充分的利用数据带来的信息，需要对数据进行处理和分析。
　　首先，本文对模糊聚类的有效性指标进行了分析，提出了一个新的模糊聚类有效性指标。聚类和模糊聚类是一种为数据分类的好方法，能让人们更加清晰的认识和理解数据。聚类和模糊聚类的有效性指标的优劣直接影响聚类的效果。本文先是对聚类的有效性进行分析研究，然后基于模糊聚类的类内紧致性和类间分离性，添加了对数据集自身几何结构特征以及类的大小等多个因素的考虑，提出了一种新的模糊聚类有效性指标，并根据该模糊有效性指标提出了相应的模糊聚类算法。
　　其次，本文对图片分割技术中的阈值分割算法进行了改进，基于模糊数学提出了一个新的图像阈值分割算法。现实中存在很多图片数据，图像分割技术是处理图片数据必要技术之一，已经被广阔地应用于计算机视觉、模式识别和医疗图像处理等等各种场景。本文基于模糊数学里的模糊相似度的方法，先是结合像素关系和空间关系得到新的图像隶属度函数，然后通过模糊数学中相关系数法来求图像分割的最佳阈值，最后通过最佳阈值把图像划分为两个部分，实现图像分割。这种新的算法对之前算法进行改进，实现了更好的图像分割效果。
　　最后，对本文提出的模糊聚类有效性指标和新的图像分割算法进行了相应的对比实验。通过对比实验可知，本文提出的模糊聚类有效性指标在一定程度上优于其他的聚类有效性指标，本文提出的图像分割算法也优于之前的方法。本文结尾也对文中提出的方法的不足进行了分析，提出了未来可以改进的方向。