现代社会随着信息技术的发展,数据量呈几何的方式快速增长,“信息爆炸”时代已经来临。随着信息的规模越来越庞大,数据的结构越来越复杂,信息的真伪越来越难以辨别,如何从中“挖掘”真正具有价值的信息已成为如今的研究热点。聚类分析属于数据挖掘的一个重要的研究领域,具有广泛的应用前景,如何提升聚类算法的性能具有重要的研究价值。本文对CURE算法的相关理论及方法进行阐述,并对该算法在样本抽取和代表点选取过程存在的一些不足提出改进建议,并对建议的合理性进行深入分析。本文的主要研究工作有:1)改进样本抽取过程。针对传统CURE算法通过随机抽样的方式获取样本集的不足,本文提出一种SCC-CURE算法。该算法从统计学的角度出发,将数据点的每个特征用一组独立随机变量表示,通过推导获得统计合并准则(SCC),并将其应用到CURE算法的样本抽取过程中,进而提出一种SCC-CURE算法。该算法通过设定独立随机变量的数目,来调整合并准则的阈值大小,进而可以控制选取样本集的规模,使CURE算法在样本集选取、样本集规模控制等问题上得到简化。实验结果表明:SCC-CURE算法能提高算法的运行效率,且具有较好的聚类效果。2)改进代表点选取过程。针对传统CURE算法在代表点选取过程中存在的不足,本文提出一种PIW-CURE算法。该算法在选取代表点时,通过考虑该代表点周边区域内数据点在簇中的整体影响作用,获得该代表点的分区影响权重(PIW),并通过实验验证PIW的正确性,依据PIW迭代调整代表点的选取,可以获得更加合理的代表点集合,使代表点能更准确的描述簇信息。实验结果表明:PIW-CURE算法能有效处理不平衡数据,能聚类任意形状的簇,总体性能优于其他比较算法。