随着信息技术的发展，数据挖掘技术越来越引起人们的关注，尤其是对于需要运用大量数据的天文学邻域。数据挖掘技术的发展推动了各邻域的技术进步。　　AutoClass C（自动聚类算法）是一种无监督的贝叶斯分类系统，它可以将数据自动的分为不同的类，并记录每一条数据分别属于不同类的概率。我们可以通过分类结果，对分类正确率进行判定是否达到我们对于数据分类的预想结果。　　本文我们先用AutoClass C对规则图形椭圆和三角形进行分类测试，其次再对已知球状星团进行分类测试。我们采用三种不同的数据属性组合，选用不同的密度比（成员星与背景星之比）进行测试对比。对于两个数据属性组合、不同密度比的分类，密度比越大，误差越小，得到的星团成员星占总的成员星比率几乎不变，但也有一些特殊情况，比如以位置x和y为数据属性，数密度比为10:1的分类。对于多个数据属性组合、不同密度比的分类，同样密度比越大，误差越小，得到的星团成员星占总的成员星比率几乎不变，且比率几乎都在95％以上;与两个数据属性参与的分类相比，在数密度比相同的情况下，误差很小，且得到的星团成员星占总的成员星比率更高，总体分类效果更高。　　因此，未来我们可以应用AutoClass C来寻找天区中的未知球状星团的可能性很大，给天文学家以后的工作来带了方便。