數學建模中模糊聚類分析法優點：聚類分析模型的優點就是直觀，結論形式簡明。

缺點：在樣本量較大時，要獲得聚類結論有一定困難。　　由於相似係數是根據被試的反映來建立反映被試間內在聯絡的指標， 而實踐中有時儘管從被試反映所得出的資料中發現他們之間有緊密的關係，但事物之間卻無任何內在聯絡，此時，如果根據距離或相 似係數得出聚類分析的結果，顯然是不適當的，但是，聚類分析模型本身卻無法識別這類錯誤。　　模糊聚類分析是根據客觀事物間的特徵、親疏程度、相似性，透過建立模糊相似關係對客觀事物進行聚類的分析方法。　　模糊劃分矩陣有無窮多個，這種模糊劃分矩陣的全體稱為模糊劃分空間。最優分類的標準是樣本與聚類中心的距離平方和最小。因為一個樣本是按不同的隸屬度屬於各類的，所以應同時考慮它與每一類的聚類中心的距離。逐步聚類法需要反覆迭代計算，計算工作量很大，要在電子計算機上進行。算出最優模糊劃分矩陣後，還必須求得相應的常規劃分。此時可將得到的聚類中心存在計算機中，將樣本重新逐個輸入，去與每個聚類中心進行比較，與哪個聚類中心最接近就屬於哪一類。　　這種方法要預先知道分類數，如分類數不合理，就重新計算。這就不如運用基於模糊等價關係的系統聚類法，但可以得到聚類中心，即各類模式樣本，而這往往正是所要求的。因此可用模糊等價關係所得結果作為初始分類，再透過反覆迭代法求得更好的結果。