K- means算法初始中心點(diǎn)選擇的隨機(jī)性以及對(duì)噪聲點(diǎn)的敏感性，使得聚類(lèi)結(jié)果易陷亼局部最優(yōu)解，為獲得最佳初始聚類(lèi)中心，提岀一種基于距離和密度的并行二分K- means算法。計(jì)算數(shù)據(jù)集的平均樣本距離，根據(jù)數(shù)據(jù)點(diǎn)之間的距離計(jì)算數(shù)據(jù)的權(quán)重，選擇最大權(quán)重?cái)?shù)據(jù)點(diǎn)作為第一個(gè)中心點(diǎn)，小于平均樣本距離的數(shù)據(jù)點(diǎn)不參加下次聚類(lèi)，將剩余數(shù)據(jù)點(diǎn)的權(quán)重與中心點(diǎn)距離相乘，選擇值最大的數(shù)據(jù)點(diǎn)作為下一個(gè)中心點(diǎn)，得到兩個(gè)中心點(diǎn)后按照距離對(duì)數(shù)據(jù)進(jìn)行分配，將每個(gè)中心點(diǎn)代表的類(lèi)分為兩類(lèi)后在每類(lèi)上繼續(xù)重復(fù)上述步驟。通過(guò)模仿細(xì)胞分裂的方法對(duì)數(shù)據(jù)進(jìn)行切分，構(gòu)建一棵滿二叉樹(shù)，當(dāng)葉子結(jié)點(diǎn)數(shù)超過(guò)類(lèi)別數(shù)k時(shí)停止聚類(lèi)，合并葉子結(jié)點(diǎn)得到k個(gè)初始聚類(lèi)中心執(zhí)行K- means算法。在UCI公開(kāi)數(shù)據(jù)集上進(jìn)行測(cè)試，結(jié)果表明，對(duì)比傳統(tǒng)K- means算法、 Canopy- Kmeans算法分K- means算法、WK- means算法、MWwK- means算法和DCK- means算法，該算法效率更高，其有較好的聚類(lèi)效果。