تحلیل داده ها زمینه مناسبی را برای بسیاری از کاربرد های محاسباتی فراهم آورده است. تحلیل خوشه بندی، سازمان دهی مجموعه ای از نمونه ها بر اساس شباهت میان آنها درون گروه های مجزا می باشد. نمونه های درون یک خوشه نسبت به نمونه های دیگر خوشه ها بسیار مشابه یکدیگر هستند. یک الگوریتم خوشه بندی سخت، هر نمونه را فقط به یک خوشه نسبت می دهد، در حالی که خوشه بندی فازی هر نمونه را با درجات عضویت متفاوت درون چند خوشه قرار می دهد. در یک مجموعه فازی نوع 2، درجات عضویت به صورت فازی بیان می شوند. لذا این گونه مجموعه ها گاهی به صورت مجموعه های فازی-فازی نامیده می شوند. مجموعه های فازی نوع 2 بعضا برای شرایطی که تعیین یک تابع عضویت دقیق برای یک مجموعه فازی دشوار است بسیار مفید هستند. عدم قطعیت مفهومی است که بعضا با اکثر داده ها همراه است. این موضوع می تواند دلایل متعددی از جمله عدم دقت در اندازه گیری، تفاوت در نمونه گیری های مختلف، به روز نبودن منابع داده ها و سایر خطاها داشته باشد.الگوریتم it2fcm یک الگوریتم قوی فازی نوع 2 است که با استفاده از این منطق، مدیریت عدم قطعیت را به خوبی انجام می دهد. این پایان نامه حاصل تلاش هایی جهت یافتن راه کار هایی برای افزایش بازده الگوریتم it2fcm می باشد.