全民互联网时代，企业获取数据的方式方法有了翻天覆地的改变，获取的成本更低，数据量更大.如何对这些数据进行分析，挖掘出有价值的隐含的信息，研究者们提出了许多有效的方法.这些方法大致分为:分类(Classification)，估计(Estimation)，预测(Prediction)，关联分析(AssociationRule)，聚类分析(Clustering)，其中聚类分析是一个非常热门的领域.新方法下获取的数据有自己显著的特点:其一，数据很稀疏.单看一个样本数据并不稀疏但将样本映射到一个有巨大特征属性的总体中时，稀疏性不可避免:第二，分类数据越来越广泛，尤其是特殊的分类数据0和1.0，1数据也叫二进制数据，例如文本挖掘数据，基因信息中的特征数据以及定性变量中的”是”和”否”特征，越来越多的研究者将目光从数值型数据转移到了分类数据的聚类分析，二进制数据也受到了更多的关注.　　基于上述数据的特征（稀疏性，二进制数据），本文在分析了分类数据的主流算法-Huang提出的k-modes算法和传统的层次聚类算法的基础上，提出了一种改进的层次聚类算法.对于二进制分类数据，传统算法认为1-1匹配与0-0匹配对样本整体的相似度贡献是一样的，这些算法在对称的均匀数据中有不错的表现，一旦数据变得稀疏，这些算法的劣势就体现出来.本文提出的改进算法不仅考虑了两个样本间各特征值的匹配，并根据不同的匹配定义了新的相似度函数,并提出了一种基于tf-idf的变量选择法:最后将本算法与k-modes和传统的层次聚类算法进行了比较，聚类有效性指标有不同程度提高.通过thitf理论选择出重要的变量，显著的降低了计算复杂度，希望这些研究能给稀疏二进制分类数据的聚类分析工作提供新的研究视角.