近十几年来,信息技术的日渐成熟带动了移动互联网的飞速发展,进而涌现出了数以万计的网络数据。这些网络数据大部分以文本的形式存在。如何有效的管理并分析文本数据涉及到文本处理技术的研究。文本聚类作为文本处理技术的重要课题,在文档管理、信息检索、数据挖掘等方面有着重要的应用。随着电信企业的不断改革、发展,电信业务的多样化吸引了大量用户。但是,电信业务的不完善也导致用户对电信运营商的投诉越来越多。采用文本聚类技术对电信投诉文本进行处理,能方便电信运营商分析投诉原因,制定问题业务的处理对策,从而提高电信服务质量,增强企业竞争力。CFSFDP(Clustering by Fast Search and Find of Density)算法是由 Alex Rodriguez和Alessandro Laio在2014年提出的一种新的基于密度的聚类算法。CFSFDP算法通过简单的距离与密度乘积值来选取聚类中心。本文首先针对该聚类中心选取策略的不足,提出了一种基于加权的CFSFDP算法。基于加权的CFSFDP算法增加了距离值在选取聚类中心时的重要性,提高了算法选取聚类中心的准确率。将基于加权的CFSFDP算法和基本的CFSFDP算法应用于电信投诉文本,通过实验结果证明了改进后算法的有效性。在分析数据点密度与距离作乘积选取聚类中心存在问题的基础上,本文提出了一种基于差分进化的CFSFDP算法。通过差分进化算法寻找CFSFDP算法中最优密度阈值和距离阈值,降低密度及距离阈值的随机性选取对聚类准确率造成的影响。最后在电信投诉文本数据集上实验证明,基于差分进化的CFSFDP算法的聚类结果达到与K-Means算法、CFSFDP算法、基于加权的CFSFDP算法以及Agglomerative Clustering算法更好或者相当的效果,验证了算法的有效性。