随着大数据的发展,数据分析、数据挖掘等创新技术已经在众多学科领域中得到了广泛运用。聚类分析是我们在实践中运用非常多的一种无监督数据挖掘类算法。而k均值聚类算法是日常中使用频率最多的聚类型算法,但是k均值聚类算法也同样有其缺点:首先算法很可能陷入局部最优,难以实现想要的聚类效果,初始聚类中心的选取肯定会影响到聚类的最终结果,不一样的初始中心肯定会是不一样的呈现,可能达不到理想的聚类结果;其次k值的选取很难确定,k均值聚类需要我们提前决定最终的聚类个数,聚类数值不同必然造成的聚类结果也会不同。本文对k均值聚类的研究探讨主要是两方面:一是如何确定聚类的数目;二是如何选择初始聚类中心。针对k值本文总结运用了手肘法、Mclust、PAM、Nbclust等四种方法来确定k值,综合四种方法结合实际问题情况分析结果,最终能很好地得出k值,消除了很多主观因素;针对初始聚类中心的选择,本文提出将k-means++算法中采用随机原则选第一个初始聚类中心这一步改为第一个初始聚类中心确定性选取为离全局中心最远的点。而剩下k-1个按距离越远越好的原则选取。即先得到所有数据点与最近聚类中心的距离D（x）（也就是算出每个点到已有中心点的距离,然后取其最小的距离作为每个点的D（x））。而数据点成为新的中心的可能性是D（x）2/∑D（x）2。结合轮盘法一步一步计算运行,最终得出全部初始聚类中心;之后的步骤与传统k均值聚类相同。这是一次实验步骤,当然为了多次试验取聚类效果最好的结果,针对第一个聚类中心,第一次试验取离全局中心最远的点,第二次实验取离全局中心第二远的点,以此类推。此后将新旧算法都应用于基金数据中,研究结果表明经过改进的新算法能够将基金更有效地进行分类,体现在轮廓系数更大,循环运算的次数更少,更加能够准确表达集合分类的效果。最后利用聚类所分成的类别将数据分成三类,并回测数据,根据结果得出了一些针对投资的参考结论。