随着大数据时代的到来,人们对知识获取及信息处理的需求进一步升级,数据挖掘技术应运而生。聚类分析作为其中最关键的算法之一,以相似度为基础,主要用于识别对象间内在的联系、发现数据集中未知的类。聚类理论及方法的深入研究,对相关算法的性能和适用场景提出了更高的要求,由于已有算法在计算相似度时往往会将一个样本与除自身之外的所有样本进行比较,导致计算量过大且计算时间也难以接受,造成了算法对于较大规模数据集的可伸缩性较差。因此如何合理恰当地利用局部信息,是改善聚类算法性能的关键。本文在深入研究多种经典聚类算法的基础上,对其中存在的缺陷进行分析,结合所学知识提出了相应的改进算法,具体的工作包括以下两方面:(1)针对数据集聚类中心的识别问题,提出了一种基于改进引力搜索的聚类中心识别算法。为了将识别聚类中心的目标与引力搜索算法相结合,本章设计了一种新的编码方式,使得一个粒子可以表示一组聚类中心点,粒子迭代的过程就是聚类中心点不断优化的过程;为了更准确地识别聚类中心,本章改进了引力搜索框架:首先重新定义种群适应度函数;然后算法在每轮迭代的末尾新增了局部搜索操作,用于增加种群多样性且避免了该框架本身易早熟的缺陷。根据改良后的引力搜索框架,最终提出了本文算法。为了检验所提算法是否有效,将其与另外两种经典迭代算法及三种近年来提出的新算法做了对比试验。结果表明:本章提出的方法在测试样本集上均得到了较好的结果,聚类准确性得到了显著提升。(2)针对密度峰值算法密度定义及样本分配策略存在的问题,设计了一种基于数据场的改进密度峰值聚类算法。该算法由两个阶段构成:第一阶段是获取聚类中心,首先基于数据场与最小势熵优化得出邻域半径,然后利用改进的势能公式计算各数据对象的势能作为密度,并依据相应公式计算距离,根据密度和距离构造新的决策图以确定聚类中心。第二阶段执行样本分配策略,算法将所有样本按照一定规则分为中心点、核心点及疑似离群点三类,分别为这三类样本设计了不同的样本分配策略,克服了原密度峰值聚类算法的“连带分配错误”。在人造数据集和UCI数据集上的结果证实了所提算法能准确的识别类中心,且克服了原始算法样本分配策略的弊端,聚类正确性得以提高。