本发明提供一种基于去冗余和密度约束的模糊均值聚类方法及系统，涉及机器学习技术领域，包括：基于传统PCA降维原理，构建去冗余算法PCAW算法；通过PCAW算法去除冗余；对去除冗余后的数据，计算出每个数据点的密度；将每个数据点中关于所有簇的隶属度之和由1改为数据点的密度值函数，根据初始化聚类中心更新隶属度；基于更新后的隶属度，对聚类中心进行更新，判断更新后的聚类中心函数是否满足收敛条件，若不满足，则依次对隶属度和聚类中心进行更新。若满足则完成聚类。针对冗余特征、噪声点和异常值造成模糊聚类算法性能下降问题，提出PCAW去冗余方法和密度约束，去除冗余特征并抑制噪声点和离群点在更新聚类中心时的作用，从而提高聚类精度。