1.一种基于网格快速搜寻密度峰值的数据聚类方法，其特征在于，依次包括以下步骤，步骤1：读取数据库中数据，进行数据预处理形成待聚类数据集；

步骤2：计算单个网格单元的边长side，以及每维区间数，根据计算结果，对数据集的每一个维度进行划分，将其划分成边长相等且互不相交的网格单元；

步骤3：对数据点进行映射，映射至对应的网格单元中，获取每维上对应的下标；

步骤4：对每一网格单元，计算其包含的数据点数，考察任一网格单元P相邻的网格单元，与相邻网格单元比较密度大小，并向密度大于网格单元P的网格单元进行扩展，得到网格单元合集，形成数据分区；

步骤5：计算各数据分区中各数据点xi的局部密度ρi和距离δi并确定密度阈值dc，根据决策图确定聚类中心及其个数；

步骤6：对非聚类中心的数据点进行归类，根据密度阈值dc确定各类的核心区域和边界区域，并指定边界区域中最高点密度值ρb作为去除噪声点的阈值；

步骤7：假设边界点p的dc邻域中包含的核心点同属于一个聚类中，则把该点p直接划分到包含这些核心点的簇中；假设边界点p同时落在几个分属于不同簇的核心点的dc邻域内，那么就把该边界点划入距离最近的簇中；

步骤8：计算类间相似度，合并两个满足类间相似条件的类；

步骤9：输出聚类结果。

2.根据权利要求1所述的基于网格快速搜寻密度峰值的数据聚类方法，其特征在于，所述类间相似条件为类间相似度小于等于类密度阈值的较小值。