خوشه بندی، یکی از روش های تحلیل داده های چند متغیره است. در خوشه بندی فرض می شود، مشاهدات به تعدادی زیرگروه تقسیم می شوند که هر زیرگروه متعلق به یک خوشه است. یکی از راهبردهای خوشه بندی، استفاده از معیارهای شباهت و عدم شباهت (معیارهای فاصله) است. یکی دیگر از راهبردها، برای خوشه بندی مشاهدات، یافتن الگوی احتمالی مناسبی برای آنهاست. به این راهبرد، خوشه بندی مدل محور گفته می شود. در خوشه بندی مدل محور، فرض می شود که مشاهدات، یافته های یک نمونه تصادفی از یک توزیع آمیخته هستند. معمولاً آمیخته ای از توزیع های نرمال چندمتغیره به عنوان توزیع خوشه ها استفاده می شود. اما ممکن است توزیع توأم خوشه ها، نرمال نباشد. در این پایان نامه راهبرد استفاده از توزیع های آمیخته دیگر و توابع مفصل برای خوشه بندی مورد بحث قرار می گیرد.