随着民航事业的不断发展，机场噪声污染问题日益严重。因此，评价机场噪声水平及其对机场周围环境的影响具有重要的理论价值和实际意义。本文在机场噪声的背景下，对聚类有效性和聚类集成进行了一定的分析和研究，并将相关方法应用到机场噪声评价之中，取得了良好的效果。聚类有效性指标主要用来评价聚类结果的优劣，本文阐述并分析了聚类评价的原理，对常用的有效性指标进行比较，借鉴各有效性指标的优点，提出一种通过点密度反映相似性的有效性指标，并通过与其他指标的实验比较，验证了新指标的有效性。集成学习是近年来机器学习的热门研究方向，本文基于聚类过程缺乏先验类别信息的特点，提出一种基于二分图的聚类标签最大权值匹配方法，提高了聚类标签间的匹配效果，并在聚类有效性评价的研究基础上，提出一种基于有效性指标的权值计算方法和聚类集成方法，利用匹配过的聚类标签向量以及可以良好反映聚类结果之间差异性的权值进行聚类集成，得到更优的集成聚类结果，并进一步判定最佳聚类数。本文通过对机场噪声的特性和历史数据进行分析，利用聚类有效性评价和聚类集成的研究结果，将基于有效性指标的聚类集成方法应用在机场噪声数据集上，根据最终的聚类结果和相关的法律法规，制定既符合人的主观感受、又满足机场实际需求的机场噪声等级评价标准。该标准不仅弥补了目前的噪声衡量标准难以全面反映机场噪声影响水平的缺点，而且可以为机场的建设和相关规章的制定提供理论依据。