近年来,数据挖掘技术引起了信息产业界的极大关注,其原因是我们正处在一个数据爆炸性增长的时代,大数据成为时下最热门的词汇之一,如何从海量数据中快速获得更多有价值的信息成为人们越来越关注的问题。K-means算法作为现今广泛应用于数据挖掘领域的聚类算法,是根据待处理数据集合当中各元素之间的相似程度,对数据集合进行多次划分,最终使同类簇内部数据集合相似度达到最大,不同类簇数据之间差异度达到最大的聚类分析方法。但是K-means聚类算法存在明显的缺陷:聚类结果对异常数据的敏感度较高,算法性能对初始聚类中心选择的依赖性强。本文针对以上两点K-means算法的缺陷,做出以下相应的改进:(1)隔离高度异常数据后选取初始聚类中心,在输入数据后先对每个数据元素的异常度加以计算,拟定异常度系数阈值计算公式,根据选取的离群值过滤比例的不同,过滤相应比例的离群数据点,解决K-means算法对离群点较为敏感性的缺陷。(2)平均差值算法计算初始质心,对剔除了离群数据的正常集合以差值法进行初始聚类中心的计算,确保所得的初始聚类中心尽可能处于簇类中心的位置,以此解决了K-means算法的聚类结果对初始聚类中心选取的依赖性较强的缺陷。将改进前后算法结合多组取自UCI的真实数据集分别进行实验仿真,通过对比多项准则函数对聚类结果的评估,得出结果基于异常检测的改进K-means算法获得的聚类结果准确率提升了约12%,聚类时间减少了约8%,充分证明了改进算法的可行性与有效性。最后对比多种离群过滤比例取值下的实验结果,得出过滤比接近10%时算法聚类效果最优。