为解决数据不足或失真等环境下传统聚类技术效果不佳的问题, 基于历史类中心和历史隶属度提出两种知识迁移机制, 并与极大熵聚类方法融合提出知识迁移极大熵聚类算法KT-MEC. KT-MEC的优点是: 利用历史知识, KT-MEC 聚类有效性和实用性明显增强; 内嵌迁移机制均不暴露源域数据, 从而拥有源域隐私保护能力; KT-MEC 基于的“参数寻优+ 聚类有效性度量”机制理论上保证其性能不差于经典极大熵算法, 避免了负迁移问题.