هدف این پژوهش معرفی و شرح الگوریتم های مهم خوشه بندی در فرآیند داده کاوی می باشد. درآغاز به معرفی داده کاوی، تاریخچه، کاربردها، چالش ها و کاربرد دانش آماری در آن خواهیم پرداخت. سپس در فصل دوم با اصول اساسی خوشه بندی، روش های گوناگون آن، نحوه اندازه گیری اعتبار یک خوشه بندی و روش خوشه بندی برای مجموعه داده های بزرگ آشنا می شویم. در نهایت در فصل پایانی در مورد الگوریتم هایی صحبت خواهیم کرد که زیرمجموعه ای از ”خوشه بندی مبتنی بر تابع هدف“ می باشند. لازمه و مقدمه ی این نوع خوشه بندی ارائه و سپس مدل بندی تابع هدف است که بایستی در طول فرآیند خوشه بندی کمینه گردد و ما در این مجال به واکاوی الگوریتم های مختلف این مدل بندی می پردازیم.