多尺度科学在数据挖掘领域的研究多见于图像和空间数据挖掘，对一般数据的多尺度特性研究较少。传统聚类算法只在单一尺度上进行，无法充分挖掘蕴藏在数据中的知识。引入粒计算思想，进行普适的多尺度聚类方法研究，对数据进行多层次、多角度分析，实现一次挖掘，多次应用。首先，介绍粒计算相关知识；然后，提出多尺度聚类尺度上推算法UAMC（upscaling algorithm of multi-scale clustering），以簇为粒子，簇心为粒子特征进行尺度转换，利用斑块模型得到大尺度知识，避免二次挖掘带来的资源浪费。最后，利用UCI公用数据集和H省全员人口真实数据集对算法性能进行实验验证，结果表明算法在准