聚类分析既是一种重要的数据挖掘技术,又是数据挖掘的一个重要步骤。聚类的任务是把数据集中的对象划分成不同的子类,同一子类中的对象具有很强的相似性。不同子类之间的对象不相似。本文重点介绍了聚类分析常用的方法,介绍了一种新的群体智能技术:人工鱼群算法,并且研究了人工鱼群算法在聚类分析中的应用,结合k ? means算法提出了基于人工鱼群的聚类分析方法。同时探讨了新算法在区域经济分析中的应用。本文第三章介绍了基本人工鱼群算法,并在步长及觅食行为这两方面对基本人工鱼群算法做出了改进,提出一种改进的人工鱼群算法(IAFSA)。IAFSA算法将基本人工鱼群算法中的随机步长改为根据目标人工鱼与自身的食物浓度之差的大小决定前进步长的大小。设定评价函数,当食物浓度之差大于评价函数时,说明目标人工鱼处的食物浓度较大,则朝该目标人工鱼方向前进较大步长,否则,前进较小步长。同时,在觅食行为描述中,当尝试最大试探次数以后仍然不能找到状态有所改进的前进方向时,以一定的概率朝当前公告板记录的最优人工鱼方向前进一步。本文第四章为了解决k ? means算法中,对初始聚类中心点比较敏感的问题,提出了基于人工鱼群算法的聚类分析算法(KM ? AFSA)。算法首先在聚类空间中均匀设置n条人工鱼,执行改进的人工鱼群算法,得到k ? means算法的初始聚类中心。通过人工鱼群算法与k ? means算法的结合,改进了k ? means算法的一些不足之处。本文最后探讨了区域经济分析的常用方法,重点研究了聚类分析技术在区域经济分析领域中的应用,并给出了利用基于人工鱼群聚类分析算法进行区域经济分析的实例。以山东省为例,采用了基于人工鱼群算法的聚类分析方法对山东17地市的经济状况进行聚类分析,旨在为评价经济形式,改良经济政策提供有力的支持。