为了改进协同聚类中计算量较大的问题，提出一种信息熵加权的模糊协同聚类算法。首先引入信息熵来衡量隶属度差异矩阵中包含的不确定性信息，然后根据有效信息量定义相似性距离中的权重，最后通过权重对聚类的贡献实现子集之间的协同聚类。实验结果显示，新算法能充分利用数据子集中蕴涵的相关信息，以较高的计算效率实现更准确的协同聚类。与已有算法相比，新算法能自适应地计算协同关系强度，简化了参数设置和协同函数的复杂计算。