在数据挖掘中,聚类算法无需进行学习就能从大量数据中挖掘出有价值的信息。谱聚类算法作为一种经典的聚类算法,其本质是将一个聚类问题转化为一个无向图切分问题,不仅能够处理复杂非凸的数据集,还不易陷入局部最优。但是传统谱聚类算法采用基于欧氏距离的高斯核函数来计算样本间的相似度,不仅对高斯核函数中的核参数较为敏感,还无法正确反映出样本间的关系。针对传统谱聚类算法中相似度度量方法的不足以及计算效率较低的问题,对传统谱聚类算法进行了改进以提高聚类效果,并对改进的谱聚类算法进行了分布式并行化以提高其处理海量数据的效率。本文的主要工作如下。（1）针对传统谱聚类算法中样本间相似度的计算不仅依赖于核参数设置且无法正确反映出样本间关系的问题,提出了一种基于自适应密度敏感相似度度量的谱聚类（Adaptive Density-Sensitive Similarity Measure Based Spectral Clustering,DSSC）算法,旨在提高聚类效果。首先通过计算样本间的欧氏距离来确定每个样本的近邻,接着计算每个样本与其近邻之间的距离标准差以作为密度参数,然后计算每个样本与其每个近邻之间的密度敏感度距离,最后通过计算每个样本与其近邻之间的相似度来构建一个相似度矩阵。在多种生成数据集和UCI数据集上进行了一系列的实验,验证了所提出的DSSC算法的有效性。（2）为提高提出的DSSC算法处理大规模数据集的效率,充分利用Dask+CPU/GPU分布式并行计算平台中的CPU和GPU资源对DSSC算法进行了并行化。首先,在每个工作节点的CPU上并行构造相似矩阵,并将得到的相似矩阵从CPU传输到GPU中;其次,在每个工作节点的GPU上并行构造度矩阵和归一化拉普拉斯矩阵;接着,在每个工作节点的GPU上并行地对归一化拉普拉斯矩阵进行特征值分解,并选取合适的特征向量构造新矩阵;然后,在每个工作节点的GPU上并行执行K均值聚类,并将聚类结果从GPU传输到CPU中;最后,从每个工作节点将聚类结果汇集到主节点。实验结果表明,并行DSSC算法能够充分利用Dask集群中的CPU和GPU资源,提高处理大规模数据集的效率。（3）在Dask+CPU/GPU集群中执行并行DSSC算法对大规模数据集进行处理时需对数据集进行分块,而块大小设置对并行DSSC算法处理大规模数据集的效率有着较大的影响,因此提出了一种基于局部加权线性回归的动态数据分块策略。首先,将一个待处理的大规模数据集划分成用于块大小寻优的子数据集集合和剩余待处理的子数据集集合;接着,合理设置用于块大小寻优的每个子数据集对应的块大小并对其进行分块;然后,在Dask+CPU/GPU集群中依次对用于块大小寻优的每个子数据集进行处理;最后,依据所有已被处理的每个子数据集对应的块大小和所耗时间,采用局部加权线性回归算法较精准地在线动态估计剩余待处理每个子数据集对应的块大小。实验结果表明该策略在一定程度上提高了并行DSSC算法在Dask+CPU/GPU集群中处理大规模数据集的效率。