DNA计算是一种以DNA分子作为反应介质并利用生物操作技术实现数理运算的新型计算模式，其开创性地将问题域映射为特定编码的DNA序列，通过一系列生化反应从初始数据池中获得符合筛选条件的最优组合。随着社会信息化水平的不断提高，人们越来越需要从海量数据中发现有价值的信息和知识，使得数据挖掘这一年轻而充满生机的领域受到了国内外研究学者的极大关注。作为数据挖掘中的一项重要分支，聚类分析就是把物理或抽象的样本集合划分成相似的对象类的过程，其中层次聚类方法对数据点进行分层操作，以此形成一棵以簇为节点的树，在计算机工程、图像处理、现代生物学等许多领域有着广泛的应用。凭借DNA计算具备的并行性、低耗性等优势，本文将其引入层次聚类算法，借助全新的混合DNA模型在保证聚类质量的同时有助于数据集规模和运算速度的进一步扩大和提高，主要研究内容包括以下两个方面：一是提出了基于粘贴和2-臂DNA模型的SHCDM算法，把二维平面中利用最小距离完成迭代操作的单连接层次聚类问题转化为在赋权无向完全图中寻找最小生成树的优化问题，并通过给定阈值影响反应终止时的输出结果。该算法充分利用了两种模型固有的双链结构，在纳米金标识技术的帮助下使最优解的产生与识别过程具有较强的可操作性和应用弹性。鉴于传统的聚类分析方法在进行簇与簇的合并时仅考虑了成对点间的紧密程度而忽视了从全局的角度收集样本的领域信息，需要添加新的限制属性，借助“链接”的概念使两对象的共同近邻数参与相关性的度量，根据基于Adleman与三链DNA模型的HCLDM算法优先将链接数大、关联度高的数据点聚为一类，由此体现分类属性层次聚类过程的中心思想，也成为本课题的第二个研究重点。值得注意的是，算法中尝试使用核蛋白细状体与待提取的DNA片段形成稳定的三螺旋结构，有效地避免了错配现象的发生，并且通过Adleman模型一次性构造可行解空间，在很大程度上提高了反应效率、降低了误解率。除此之外，随着互联网的飞速发展，电子商务作为一种崭新的在线交易模式将对我省社会经济及广大消费者产生巨大影响，同时也使传统实体企业面临巨大的机遇和挑战。面对我省中小企业电子商务推广过程中显现出的不平衡性，可以利用SHCDM算法把发展水平相似的企业视为一个整体，结合问卷调查有针对性地制定改进措施。不仅如此，群体内部成员可以借此机会组成战略联盟实现优势互补，共同寻找适合该企业类型的电子商务发展方式与盈利模式。对于目前多数社交网络平台应用的好友推荐机制，本文借助HCLDM算法对其进行优化，将相关度比较密切的用户聚为一类，进一步丰富了使用者的人脉资源，增强了好友间交流渠道的灵活性，有助于满足网民对于无界化沟通的迫切需求。从仿真实验可知，两种DNA算法均具可行性，并且依照测评函数和实际背景选出的聚类结果较好地解决了以上两种应用问题。