在机器学习领域的众多实际应用中，获得标记样本通常需要付出较大的代价。在一些情况下，获得所有的类标记是非常困难的。近年来，半监督学习已经成为机器学习领域的一个研究热点。半监督学习同时利用标记样本和无标记样本来指导学习过程，从而获得更好的学习性能。有关半监督学习的研究可大致分为两类，即半监督分类和半监督聚类。半监督聚类也就是无监督学习，就是使用少量的标记样本对无标记样本的聚类过程进行指导。本文对聚类的相关技术和半监督学习进行了研究，介绍了文本数据的预处理、距离公式、聚类算法评估准则以及几种k-means算法的扩展算法。　　本文用随机选择的标记样本作为监督信息，并将标记样本转化为Must-link约束集和Cannot-link约束集，用于重构样本集合的相似度矩阵，重新确定样本之间的相似或不相似的标准。k-means++算法提供了一种有效的聚类种子的选择方法，这种方法的可以降低算法对聚类种子敏感的缺点，其聚类精度明显优于传统的随机选择种子的方法。本文在k-means++算法在初始质心的选择过程中加入了标记样本的影响，提出了一种基于标记样本和相似度调整的k-means算法，并在20-newsgroup和Spam两个数据集上进行了测试，实验结果表明本文提出的算法在聚类结果的精度和执行效率上比Seeded k-means算法和k-means++算法有更好的表现。