提出了一种基于数据密集度和邻域的拟人聚类算法.该算法模仿人在观察分类时的思维过程,通过约束性的全局搜索和对初始聚类中心的优化合并,最终得到规定数目的聚类中心从而完成整个聚类过程.利用PHM硬件模拟平台的数据进行验证,该聚类算法较FCM算法在局部的二次聚类的准确性上有约5倍的提高.