随着“大数据”一词的频繁出现,数据挖掘也成了一个热点名词,它代表着将大而杂的数据转换成信息的一个综合过程,聚类分析是它的重要研究方向之一。聚类算法是聚类分析的重要工具,而聚类数目往往是决定聚类算法性能的关键,鉴于大部分聚类算法需要预先给定类别数的现状,因此确定最佳聚类数是我们更好地进行数据挖掘重要一步。由于研究问题的日益复杂化,越来越多的混合属性数据成为了处理对象,然而针对混合数据的聚类研究却没有得到很好的发展,所以针对混合数据的聚类有效性研究并以此来确定最佳聚类数在当今时代具有针对性和适用性。本文在大数据背景下,分析了混合属性数据的聚类有效性问题的重要性,进而对聚类有效性问题进行深入研究;之后针对现有的聚类算法的缺点进行改进以提高算法的效能,最后结合D-S证据理论提出针对混合属性数据提出DSKP算法,并总结该算法的优越性和特点,提出聚类有效性未来的可能发展方向。在改进聚类算法方面,做了如下几个方面的创新工作:(1)基于数据属性的特征确定初始聚类中心以降低初始聚类中心选择的随机性,同时针对大型数据提出进行简单随机抽样的处理方式,以达到降低异常值对聚类结果的影响和提高算法运行效率的目的。(2)基于混合数据主成分法提出改进分类型数据权重~?的方法,根据混合数据主成分分析法可以将多变量数据综合为几个综合因子的原理,利用R软件的AFDM函数将去噪音后的混合属性数据集做主成分处理,根据分类型数据占综合因子的比例来确定分类型数据的权重。(3)依据D-S证据理论在判定不确定因素的优势,将改进后的聚类算法结合传统版和进化版的D-S证据理论,提出两种版本的DSKP算法,并通过实例验证其在解决混合数据的聚类有效性问题的优越性和普适性。