半监督聚类分析是目前数据挖掘和机器学习领域中一个新的研究方向。一般,聚类方法针对的是无标签的数据,且无法利用先验知识或满足限制条件。然而,在许多聚类问题,问题本身往往带有约束条件且具有可利用的先验知识。比如学生寝室分配问题,寝室分配时必须符合最大容纳成员的数量限制。对于数据方面,也可以利用先验知识获得部分标签。此时,传统的聚类和分类方法都不能符合这类问题的要求。本文基于每个簇类的对象数量的限制条件,提出了适合寝室分配问题的K-均值半监督聚类算法,并通过matlab编程实现。然后,本文对聚类结果的稳定性和收敛性进行了分析,得出了各聚类方法准确率的期望和数据先验统计模型的关系。最后,基于贝叶斯统计分析理论,运用统计方法或经验引入了分布函数的先验知识。根据先验概率分布模型确定半监督算法中对应的后验分类流程。在三维高斯分布数据集的测试中,基于贝叶斯统计的k-means半监督聚类准确率为93.67%高于k-means方法的91.67%的准确率。