針對(duì)大數(shù)據(jù)環(huán)境下K-means聚類算法聚類精度不足和收斂速度慢的問題，提出一種基于優(yōu)化抽樣聚類的K-means算法（OSCK）。首先，該算法從海量數(shù)據(jù)中概率抽樣多個(gè)樣本；其次，基于最佳聚類中心的歐氏距離相似性原理，建模評(píng)估樣本聚類結(jié)果并去除抽樣聚類結(jié)果的次優(yōu)解；最后，加權(quán)整合評(píng)估得到的聚類結(jié)果得到最終五個(gè)聚類中心，并將這K個(gè)聚類中心作為大數(shù)據(jù)集聚類中心。理論分析和實(shí)驗(yàn)結(jié)果表明，OSCK面向海量數(shù)據(jù)分析相對(duì)于對(duì)比算法具有更好的聚類精度，并且具有很強(qiáng)的穩(wěn)健性和可擴(kuò)展性。