Rodriguez和Laio在2014年提出的快速聚类算法(RL算法),由于可以识别任意形状的类簇,且不需设定最终聚类的个数k,而被广泛应用。因为混合型数据集样本点之间的距离计算较为复杂,每个样本点密度的定义较为困难,所以很少有研究者把快速聚类算法运用到混合型数据集上,但实际生活中的大部分数据都是混合型的,于是我们提出一种改进的适用于混合型数据的快速聚类算法(算法2),这个方法是基于RL算法改进的,适用于混合型的数据集。算法2首先定义了混合型数据集的距离度量,然后用类中心自动选择算法(算法1)选择出可能的类中心,接着将剩余点一一归到比之密度更高离得最近的那个点所属的类,最后进行类合并同时输出最终结果。当数据量很大,距离计算的复杂度和时间会以平方的速度增加,为达到缩减计算复杂度和时间的目的,文章用算法2结合滑动窗口模型的方法进行大样本混合型数据的聚类。最后用UCI里的几组数据集来验证算法的有效性。