在实际生活中存在大量的由数值型和分类型所组成的混合型数据,K-Means算法作为聚类分析算法之一,却只适用对数值型数据挖掘分析,当面对混合型数据时它就显得有些无能为力。经过学者们对混合型数据聚类算法的深入研究,提出了一种可以处理混合型数据的K-Prototypes算法。它具备像K-Means算法一样简单、高效、强伸缩的优点,但也容易受到初始中心点随机选择、聚类数目人为指定、混合属性相异性度量不准确等方面的问题。针对K-Prototypes算法存在的不足,本文对K-Prototypes算法做了相关改进,并将算法集成实现在Spark框架中提升算法处理大规模数据集时的并行计算能力。本文的创新工作如下:第一,针对K-Prototypes算法混合属性相异性度量中计算距离部分仅使用欧式距离划分不够准确的问题,在分类属性模糊中心与信息熵改进混合属性相异性度量的研究基础上利用形态相似距离MSD代替使用欧式距离作为混合属性相异性度量距离计算的部分。通过举例证明MSD比欧式距离有更好的数据划分性,同时也得出使用MSD改进混合属性相异性度量公式的有效性。第二,针对K-Prototypes算法存在初始中心点位置随机性易陷入局部最优,聚类数目k需人为指定的问题,将改进的混合属性相异性度量公式运用到相异性矩阵思想中用以选择初始聚类中心;再利用数值属性和分类属性的权值对内部有效性评价指标CUM进行优化,并计算不同k值的CUM指标选择合适个数的聚类中心;最后在UCI数据集的仿真实验表明,改进的K-Prototypes算法在三种外部有效性评价指标和改进的内部有效性评价CUM指标上都优于对比算法。第三,针对改进的K-Prototypes算法在大规模数据集中计算混合属性相异性时计算资源能耗高,运行时间过长的问题,引入Apache Spark并行计算框架,提出了一种Information-entropy and Spark Parallelized K-Prototypes（ISPKPrototypes）算法。通过在XX省创业担保用户数据集上的有效性评价指标、工作节点数和加速比方面的对比分析,证明本文提出的ISPK-Prototypes算法在并行计算框架中的运行效果优于另外两种算法,并且能保持良好的并行计算性能。