Luận văn tập trung nghiên cứu các thuật toán phân cụm dữ liệu mờ, đặc biệt là thuật toán Fuzzy C-Means (FCM) và các biến thể cải tiến nhằm khắc phục những hạn chế như độ nhạy với khởi tạo tâm cụm và nhiễu dữ liệu. Các phương pháp đề xuất được xây dựng dựa trên việc kết hợp logic mờ với các kỹ thuật tối ưu hóa hoặc khoảng cách phi Euclid để nâng cao độ chính xác và tính ổn định của quá trình phân cụm. Phần thực nghiệm được tiến hành trên các bộ dữ liệu chuẩn và dữ liệu thực tế trong lĩnh vực y tế, kinh tế hoặc xử lý ảnh. Kết quả cho thấy các thuật toán cải tiến đạt hiệu suất phân cụm tốt hơn so với FCM truyền thống, đặc biệt trong việc xử lý dữ liệu có cấu trúc phức tạp và chồng lấn. Luận văn cũng đề xuất ứng dụng cụ thể của các thuật toán này trong bài toán phân đoạn ảnh hoặc phân tích dữ liệu khách hàng, khẳng định tính khả thi và hiệu quả thực tiễn của hướng nghiên cứu.