阿尔茨海默病以其高发病率和无法治愈的特点成为老年人的第四大“健康杀手”.迄今为止,尚不明确阿尔茨海默病的发病机理.随着基因芯片技术的发展,基因表达数据的聚类分析方法应用到阿尔茨海默疾病的研究中.为了挖掘阿尔茨海默病的生物信息,本文提出了一种改进的聚类算法.通过实验分析,得到了阿尔茨海默病基因表达数据的特征.当数据呈现出线性相关的特征时,对高维数据进行降维处理并判断聚类趋势,得到数据具有明显的聚类趋势,然后选择用聚类的方法挖掘基因表达数据的潜在信息.但是传统的聚类方法需要事先确定出分类个数,而主观的参数选取难以将大量的数据准确地进行聚类,而且这个参数的选取直接影响了实验数据的分类结果,使得聚类效果缺乏客观性.因此,本文提出了将曲率最大处作为分类判据的无监督聚类方法,并且给出了分类判据δ.在基于拟合方法的基础上,找出四种不同患病程度下聚类的阈值和聚类结果.最后得出本文的聚类效果优于其他聚类方法的效果.同时实验结果表明,这种改进的聚类方法较优,并且简捷、具有可行性.