本文介绍种质资源的概念及其研究、保护的重要意义,在对数据挖掘以及知识发现的一般概念及方法进行分析的基础上,较为全面地总结了用于数据挖掘的聚类分析算法的类型及原理。在理论研究的基础上,通过对不同类型聚类算法的分析和比较,选取了k-means、k-mediods、FCM、CURE、SOM、GA等涉及划分方法、模糊方法、层次方法、人工智能和机器学习方法的6种主要聚类算法进行深入研究,并通过系统分析和设计、采用面向对象的程序设计方法应用C#语言编程实现,最终形成了一个较为通用的、集成多种方法的聚类分析软件系统。本文还对开发的软件进行了有效性测试,研究了聚类有效性评价函数。通过对二维随机数据点的聚类测试表明,程序能够满足一般情况下多维数据聚类要求,上述各聚类算法聚类是有效的,SD聚类有效性评价指标是科学有效的。研究发现:SOM自组织神经元网络相比其他算法效率更高、结果更稳定、效果良好,极具进一步深入研究的价值;SD有效性指标不仅可以用来评价聚类效果的好坏,而且可用于指导最佳聚类数的确定,具有进一步深入研究的价值。最后,本研究利用先期研究成果——基于聚类分析的数据挖掘软件系统——对杨属150个无性系的叶片因子数据进行了聚类分析,探索了杨属种质资源数据挖掘方法,初步完成了数据挖掘,抽取了部分典型的“类知识”,并讨论了“类知识”在遗传育种及良种繁育研究领域可能的应用,研究总体上取得了预期效果。