当今科学研究呈纵横两方向发展，纵向各学科分支越来越细，越来越深入；横向各学科联系越来越紧密，把某个领域成熟的思想进入到另一领域往往能产生较好的科研成果，模拟生物系统进行科学研究就是横向发展的一个典型。生物信息处理系统一般可分为脑神经系统，免疫系统和内分泌系统三种类型。其中免疫系统在许多智能计算应用领域中具有巨大潜力，具有识别、特征提取、多样性、学习、记忆、分布检测、自调节等特点。 本文提出的模糊人工免疫网络算法正是结合免疫思想、模糊控制理论和数据挖掘聚类构建出的一种无监督自适应聚类算法。文章首先介绍了该领域的研究现状和背景，对数据挖掘领域中的聚类和人工免疫进行概要介绍。其次，阐述了模糊数学理论基础，对聚类算法也进行了简要总结。再次，从宏观上介绍人工免疫网络算法的发展历程，对已有的四种典型的人工免疫网络进行了对比分析，在充分认识到生物信息系统处理问题模糊性的基础上，借鉴受限人工免疫网络模型的研究成果，构造了具有一定结构与功能的独特型模糊免疫识别球，基于生物免疫系统二次应答特性提出一种对具有复杂形状分布且边界不清晰的数据进行聚类的模糊人工免疫网络。最后，将模糊人工免疫算法在典型数据集上进行试验并对比其他聚类算法，总结出当前算法的优势和不足指出。