聚类作为数据挖掘的重要任务之一,一直以来都备受关注,并被广泛应用于商业智能、图像模式识别、Web搜索等众多领域。K-means聚类算法是一种在生活、生产实践中被广泛使用的经典划分聚类算法,但其仍然存在着聚类个数难以确定,对噪声数据和初始聚类中心敏感以及数据量大时计算距离所花费的高时间代价等缺陷。本文针对K-means的上述问题进行了深入研究,并提出了相应的改进策略。主要研究内容如下:(1)针对K-means算法对初始聚类中心敏感的问题,给出了一种新的初始聚类中心选择算法。该算法从聚类所形成的簇应具有在较小的半径内具有较大密度的特征出发,通过计算每个数据点的最近邻,从而获得每个数据点的距离和密度,构造了一个可以反映该点成为初始聚类中心的概率函数来确定最终的初始聚类中心。实验结果表明,通过该方法获得的初始聚类中心的质量高于同类比较算法。(2)针对K-means算法计算距离的高时间代价缺陷,给出了一种基于影响空间的聚类算法。该算法首先通过计算每个数据点的最近邻和逆近邻,即该点的影响空间对数据集进行预处理,从而得到一个新数据集,然后在经过预处理后的新数据集上进行K-means聚类,从而有效的减少了参与运算的数据量,提高了聚类效率。(3)将边界数据进行准确的区分是困难的,尤其是对于介于相邻两类型之间的边界光谱数据来说。这里针对边界数据聚类困难的问题,给出了一种新的边界数据聚类方法。该方法结合光谱数据本身高维、海量的特点,为了使光谱的所有维度能够在同一个标准下处理,首先需要对光谱进行归一化;为了减少计算量,需要减少参与运算的数据量,而(2)中的影响空间可以达到上述目的;另外,由于K-means算法初始聚类中心的随机选择会对边界光谱数据最终的聚类结果有一定影响,而通过(1)中的方法确定聚类中心将在一定程度上避免这个问题的发生;最后利用确定的聚类中心在归一化后的数据集上进行K-means聚类来获得最终的聚类结果。将该方法应用于恒星光谱数据上的实验结果展示,该方法很好地解决了边界光谱聚类的问题,验证了该方法的有效性,为进一步研究宇宙的形成和演化提供了有力支撑。