數(shù)學建模中模糊聚類分析法優(yōu)點：聚類分析模型的優(yōu)點就是直觀，結論形式簡明。 缺點：在樣本量較大時，要獲得聚類結論有一定困難。
由于相似系數(shù)是根據被試的反映來建立反映被試間內在聯(lián)系的指標， 而實踐中有時盡管從被試反映所得出的數(shù)據中發(fā)現(xiàn)他們之間有緊密的關系，但事物之間卻無任何內在聯(lián)系，此時，如果根據距離或相 似系數(shù)得出聚類分析的結果，顯然是不適當?shù)模?，聚類分析模型本身卻無法識別這類錯誤。
模糊聚類分析是根據客觀事物間的特征、親疏程度、相似性，通過建立模糊相似關系對客觀事物進行聚類的分析方法。
模糊劃分矩陣有無窮多個，這種模糊劃分矩陣的全體稱為模糊劃分空間。最優(yōu)分類的標準是樣本與聚類中心的距離平方和最小。因為一個樣本是按不同的隸屬度屬于各類的，所以應同時考慮它與每一類的聚類中心的距離。逐步聚類法需要反復迭代計算，計算工作量很大，要在電子計算機上進行。算出最優(yōu)模糊劃分矩陣后，還必須求得相應的常規(guī)劃分。此時可將得到的聚類中心存在計算機中，將樣本重新逐個輸入，去與每個聚類中心進行比較，與哪個聚類中心最接近就屬于哪一類。
這種方法要預先知道分類數(shù)，如分類數(shù)不合理，就重新計算。這就不如運用基于模糊等價關系的系統(tǒng)聚類法，但可以得到聚類中心，即各類模式樣本，而這往往正是所要求的。因此可用模糊等價關系所得結果作為初始分類，再通過反復迭代法求得更好的結果。
數(shù)學建模中模糊聚類分析法優(yōu)點：聚類分析模型的優(yōu)點就是直觀，結論形式簡明。缺點：在樣本量較大時，要獲得聚類結論有一定困難?！ ∮捎谙嗨葡禂?shù)是根據被試的反映來建立反映被試間內在聯(lián)系的指標，而實踐中有時盡管從被試反映所得出的數(shù)據中發(fā)現(xiàn)他們之間有緊密的關系，但事物之間卻無任何內在聯(lián)系，此時，如果根據距離或相似系數(shù)得出聚類分析的結果，顯然是不適當?shù)?，但是，聚類分析模型本身卻無法識別這類錯誤?！ ∧：垲惙治鍪歉鶕陀^事物間的特征、親疏程度、相似性，通過建立模糊相似關系對客觀事物進行聚類的分析方法?！ ∧：齽澐志仃囉袩o窮多個，這種模糊劃分矩陣的全體稱為模糊劃分空間。最優(yōu)分類的標準是樣本與聚類中心的距離平方和最小。因為一個樣本是按不同的隸屬度屬于各類的，所以應同時考慮它與每一類的聚類中心的距離。逐步聚類法需要反復迭代計算，計算工作量很大，要在電子計算機上進行。算出最優(yōu)模糊劃分矩陣后，還必須求得相應的常規(guī)劃分。此時可將得到的聚類中心存在計算機中，將樣本重新逐個輸入，去與每個聚類中心進行比較，與哪個聚類中心最接近就屬于哪一類。 這種方法要預先知道分類數(shù)，如分類數(shù)不合理，就重新計算。這就不如運用基于模糊等價關系的系統(tǒng)聚類法，但可以得到聚類中心，即各類模式樣本，而這往往正是所要求的。因此可用模糊等價關系所得結果作為初始分類，再通過反復迭代法求得更好的結果。