在模式识别领域中,聚类是一种非常重要的技术.而联合聚类是将两种异质对象同时进行聚类分析.在科技项目管理中,需要组织专家对申请项目的申请书进行评审,评审时需要将参与评审的专家分成若干组,每个组专家的人数基本相同,申请项目的申请书分成若干组,每个组的申请书数目基本相同,使一个专家组评审一个申请书组,专家组中的专家对申请书组中的申请书都比较熟悉.我们可以借鉴联合聚类的思想,对专家和申请书进行分组和匹配.目前常见的联合聚类算法主要有两种,基于二部图谱划分的联合聚类方法和基于信息论的联合聚类方法.本文介绍了联合聚类的概念以及发展情况.叙述了目前常见的联合聚类算法,包括基于二部图的谱聚类算法、等周二部图划分方法、基于信息论的联合聚类算法和其他一些聚类算法,重点介绍了基于二部图的谱聚类算法和基于信息论的联合聚类算法的理论基础与关键步骤.本文提出了科技项目管理中对专家和申请书分组匹配模型,模型控制了每个专家组和申请书组成员的个数,使得专家和申请书均匀分布到各个组中,并使一个专家组评审一个申请书组,提出了专家与申请书关联强度的计算公式,提出并实现了基于二部图谱划分的专家与申请书分组匹配算法和基于信息论的专家与申请书分组匹配算法,证明了这两个算法的正确性.实验表明了基于二部图谱划分的专家与申请书分组匹配算法和基于信息论的专家与申请书分组匹配算法在实际应用中都可以正确的对专家和申请书分组和匹配,都有很好的表现,但基于信息论的方法更简单易懂并有很大的扩展性.