聚类分析是数据挖掘中的重要研究方向,在经济、农业、医疗和石油勘探等领域都有重要的应用。聚类分析包括聚类评价指标和聚类算法两部分内容。如何对聚类结果进行有效评价仍然是一个具有挑战性的工作。聚类评价指标可以分为内部聚类评价指标和外部聚类评价指标,本文对外部聚类评价指标进行研究。所谓外部聚类评价指标是指在评价聚类结果时用到了类别标签信息。已经有很多不同的外部聚类评价指标被提出,它们可以分为基于配对信息的,基于信息熵的和基于集合匹配的。但是这些聚类评价指标仍然存在一个问题,在计算指标时会用到簇大小,这会导致不同簇大小的簇对聚类评价指标的影响不同。针对这个问题,本文提出了一个类平等聚类评价指标,它认为所有的类都应该是平等的,不管它的样本数目是多是少。本文在4个人工数据集、19个真实数据集上和6个聚类评价指标进行了比较分析,验证了指标的有效性和优越性。K-means算法具有实现简单、容易理解和运行快速等优点,是聚类算法中最著名、使用最广泛的算法。但是,K-means算法存在初始化敏感问题,所谓初始化敏感问题是指K-means算法需要指定初始簇中心,不好的初始化会导致聚类效果较差。已经有很多不同的初始化算法被提出,但它们都是从提高好的初始簇中心的概率出发,没有直接对簇中心进行筛选。针对上述问题,本文提出了一个簇中心筛选K-means算法,它通过对比簇中心和簇边缘的密度判断簇是否有效,对无效的簇进行重新聚类。本文在13个公共人工数据集、19个真实数据集上和6个基准算法进行了比较分析,验证了算法的有效性和优越性。