心血管疾病是当今危害人类健康的主要疾病之一,心电图检查是临床上诊断心血管疾病的重要方法。心电图准确的自动分类对于心血管疾病的诊断起着关键作用。聚类分析是非监督模式识别的一个重要分支,它是用数学的方法研究和处理给定对象分类。模糊聚类建立在样本对于类别的不确定性描述的基础上,更能客观的反映现实世界,从而成为聚类分析研究的主流,并在许多领域得到了广泛的应用。目前,已提出了许多模糊聚类算法,其中最常用的是基于目标函数的模糊c-均值聚类算法(FCM)。针对此算法中存在的需要聚类先验知识的问题,采用SOM神经网络算法作为FCM算法的先导级,先将样本经过SOM神经网络的训练,得到聚类类别数,但此方法得到的类别数与实际结果存在较大偏差。因此提出了一种改进方法,即将SOM神经网络、优化的系统聚类法和FCM算法相结合的聚类方法。首先对系统聚类法进行优化,然后使用优化后的系统聚类法分析SOM神经网络初始分类的结果,最终得到更合理的聚类类别数和聚类中心,将此聚类数和聚类中心用于FCM算法的输入进行进一步聚类,从而得到精确的聚类信息。最后,采用MIT/BIH心电数据库中的数据来仿真,结果说明此种方法具有很好的聚类效果。