聚类分析是数据挖掘中经常采用的一种方法,其被用于划分属性、性质相似或相近的空间实体.它被广泛应用于生物、生态、经济、医学及影像处理等众多领域,取得了较好的应用效果.而用于聚类分析的算法主要分为两大类,即基于划分的聚类算法与基于层次的聚类算法;其中又以基于划分的K-means聚类算法最为经典. 通过试验数据的验证，表明了本文提出的基于属性值变化程度定权的聚类算法在准确度上高于其他三种已有的聚类算法，达到了提高聚类准确性的目的。聚类准确度的提高在一定程度上是源于充分考虑了各个属性对聚类算法影像程度的不同而实现的。但是对于数据量更大，属性维度更多的聚类对象，该方法的有效性还需进一步验证和优化。此外，还应该对考虑带有地理坐标属性的聚类对象的研究，并且加入可视化图像的输出来更好展示聚类效果的优劣。