我国的公安机关在多年的工作中,一方面不断推进信息化的建设,另一方面,其在公安工作的专门数据和社会信息方面都有了相当大规模的数据积累,使用数据挖掘技术来分析犯罪的各种因素是公安机关一个重要且有意义的课题。由于现实生活中很多实际问题的发生多为各学科相互作用的结果,如何处理交叉学科数据是业界的棘手问题。聚类分析作为一种数据挖掘方法,它能对大量信息数据进行分析处理,获取有价值的知识信息。近来已成功应用于人工智能、数据挖掘、模式识别、故障诊断等诸多领域中,适用于处理交叉学科的数据。本文希望能通过聚类方法对犯罪数据进行分析,对犯罪人员的背景信息、心理信息和基因信息进行综合挖掘,以求发现影响以及造成犯罪的因素。使得公安人员能对犯罪分子进行有的放矢的教育,并追查其源头的影响因素,可以起到一些治理和预防犯罪的作用,真正的将国家公安机关的信息优势转化为有效警务能力,以创新加强公安干警的预防和打击犯罪行为的能力。本文在分析研究相关聚类算法的基础上,对传统的硬聚类算法和模糊聚类方法进行了研究与分析,并针对暴力犯罪数据的特点,提出了基于连续属性离散化的模糊聚类方法的思路。本文尝试把信息熵离散化数据算法应用于出数据的预处理,以期达到更好的聚类效果。最后将本文算法应用于暴力犯罪因素分析中,尝试分析暴力犯罪发生的深层原因,为预测暴力犯罪提供一种新的技术支持,并就实验结果进行了分析。