نظریه مجموعه های فازی شهودی به عنوان توسیعی از مجموعه های فازی دامنه کاربردی زیادی از قبیل برنامه ریزی های منطقی، تشخیص های پزشکی، الگو های شناختی و ... را شامل می شود. استفاده از این مجموعه ها به عنوان ابزاری کارا و سودمند در زمینه تکنیک های خوشه بندی می تواند بسیار مفید باشد. همان طور که می دانیم الگوریتم های خوشه بندی گوناگونی برای استخراج دانش از درون اطلاعات مختلف وجود دارد. شاید یکی از کاربردی ترین این الگوریتم ها، الگوریتم fuzzy c- means باشد که به علت سادگی روش و حجم کم محاسبات، در چند سال گذشته بسیار مورد استفاده قرار گرفته است. اگرچه این روش با ضعف هایی نیز همراه است ولی با استفاده از الگوریتم های ترکیبی خوشه بندی تا حد زیادی می توان بر این ضعف ها غلبه کرد.ما در این پایان نامه با ترکیب الگوریتم خوشه بندی fuzzy c- means و نظریه مجموعه های فازیشهودی، الگوریتمی خوشه بندی را معرفی کرده و سپس بوسیله نتایج عددی کارایی آن را نشان خواهیم داد.