1、數(shù)據(jù)挖掘是信息處理和數(shù)據(jù)庫(kù)技術(shù)領(lǐng)域的前沿研究課題，是致力于數(shù)據(jù)分析和發(fā)現(xiàn)數(shù)據(jù)內(nèi)部蘊(yùn)含知識(shí)的技術(shù)。聚類分析是數(shù)據(jù)挖掘領(lǐng)域中的重要技術(shù)之一，是一種數(shù)據(jù)劃分的重要手段和方法：聚類算法也是數(shù)據(jù)挖掘，模式識(shí)別和機(jī)器學(xué)習(xí)等方向的重要內(nèi)容之一。聚類的應(yīng)用非常廣泛，在市場(chǎng)營(yíng)銷、金融、生物學(xué)、地質(zhì)學(xué)和機(jī)器學(xué)習(xí)中都有著重要的作用。
　　 本文首先對(duì)聚類分析的概念和理論基礎(chǔ)進(jìn)行了闡述；其次重點(diǎn)對(duì)k-means聚類算法進(jìn)行了分析和研究，k-means聚

2、類算法是一種基于劃分的方法，它的優(yōu)點(diǎn)是算法簡(jiǎn)易、速度快、擴(kuò)展性好、適用于預(yù)處理大規(guī)模數(shù)據(jù)；但是算法也存在不足之處，如算法需要指定聚類的個(gè)數(shù)和初始聚類中心，還有算法對(duì)初始聚類中心的選取依賴性很強(qiáng)，如果初始聚類中心選取不當(dāng)容易陷入局部最優(yōu)解等；并且算法對(duì)異常數(shù)據(jù)敏感，如果初始聚類中心中存在異常數(shù)據(jù)，聚類的最終結(jié)果距離正確的結(jié)果更是相差甚遠(yuǎn)。文章還對(duì)聚類過(guò)程中的異常數(shù)據(jù)做了全面的分析，把異常數(shù)據(jù)總結(jié)分為了兩大類，給出了異常數(shù)據(jù)的確定規(guī)則，在最