当今社会人工智能技术飞速发展,数据挖掘作为最重要的领域之一,受到人们的极大关注,并且已应用于模式识别、生物科学、自然语言处理等领域。在数据挖掘中,聚类分析是一种分析处理数据的重要技术手段,包括无监督聚类和半监督聚类。无监督聚类是根据无标签数据的信息间相似性对它们进行分组。半监督聚类能够通过对少量有标签数据的信息分析,完成对大量无标签数据的划分,也具有广泛应用。粗糙集理论是通过已知的知识库,对不精准或不易确定的知识进行表示。本文将粗糙近似集理论与无监督Fuzzy c-means(FCM)算法和半监督K-means聚类算法相结合,在原算法的基础上进行改进,实验结果表明两个改进算法的性能都较原算法得到提升。论文的主要工作如下:(1)传统FCM算法运行稳定,易于实现,但在聚类时边界中的数据会容易被划分到错误的类,从而降低了算法的准确率。针对这一问题,利用粗糙近似集理论,将FCM算法与其相结合,提出了 Rough-FCM算法。首先,Rough-FCM算法根据预设的阈值,将数据划分到相应类别的下近似集或边界区域集,每个数据可以属于多个类的边界域集,但只能属于一个类的下近似集。其次,利用新的公式对聚类中心和隶属矩阵进行更新。最后根据得到的集合执行二次聚类得出最终聚类结果。通过对Rough-FCM算法和另外三种聚类算法的实验结果比较,本文算法具有优越性。(2)针对高维稀疏数据集中许多属性值为零的特性,将粗糙近似集理论与半监督K-means算法结合,提出Rough-kmeans算法,对文本数据集的属性进行选择。首先计算有标签数据集的所有属性中,属于某个类的非零数据个数与属于其他类的非零的数据个数的比重,分别选出最大比重的属性作为每个类的关键属性,并归入关键属性集;然后根据所得关键属性采用K-means算法对无标签数据进行聚类,并计算聚类中心;接着利用粗糙集近似集的思想,计算无标签数据中每个属性的信息增益,并将信息增益与上近似阈值和边界域阈值进行比较,根据提出的规则将其划分到相应近似集中,完成对属性的一次选择;逐次循环增加聚类相关属性的个数,并更新聚类中心,提高聚类准确率。实验结果显示,Rough-kmeans算法可以筛选出每类中重要的属性,过滤了无效信息,准确率明显提升。