中文摘要: 一个好的聚类算法不仅要考虑“同类内尽可能的相似，不同类间尽可能的相异”，而且也要考虑算法的时间复杂度。针对K-means算法依赖于初始聚类中心而影响聚类结果，提出了一种基于样本分布选取初始聚类中心的方法；针对K-means算法中每次调整聚类中心后指定聚类所需要的大量的距离计算，提出了三角不等式原理避免冗余计算的方法。将两种方法结合进行实验，结果表明新的方法更加有效，不仅较原算法有良好的聚类划分，而且加快了原算法的运行速度。