对于聚类挖掘技术的描述，以下是正确的答案和专业分析：

### 正确答案
- **A:** 不预先设定数据归类类目，完全根据数据本身性质将数据聚合成不同类别
- **C:** 要求不同类数据的内容相似度尽可能小

### 专业分析

1. **选项 A**:
- **正确**。聚类分析的特点之一就是无需预先设定类别标签，数据分类是通过算法基于数据内在的属性和特征进行自动聚合的。这与分类（Classification）不同，分类是基于带标签的数据进行学习和预测。

2. **选项 B**:
- **错误**。聚类技术要求的是同类数据（即同一个簇内的数据）具有较高的相似度，这样能确保聚类的效果。同类数据相似度不应该小，而是应该尽可能大。

3. **选项 C**:
- **正确**。聚类的一个目标是使得不同类（簇）之间的数据相似度尽可能小，即不同簇之间的差异性越大越好。这有助于确保簇的明显区分。

4. **选项 D**:
- **错误**。虽然聚类和分类都涉及对数据的分组处理，但两者的目的和基础不同。分类是监督学习过程，依赖于预先定义的标签进行训练；而聚类是无监督学习，没有预定义的标签，完全依据数据本身的特征进行分组。

### 综述
聚类技术在数据挖掘中用于发现数据集中可能存在的自然分组或模式，而不需要预先的标签信息，是无监督学习的典型代表。这在数据探索和预处理阶段非常有用，可以揭示数据中的潜在结构。