数据挖掘是在大数据集中通过一定的算法挖掘出对人们有用的知识和信息,数据挖掘在当今时代社会生活中应用非常的广泛。聚类分析算法是数据挖掘中最为主要的研究领域之一,聚类分析是一种无监督的机器学习算法,事先不需要对数据集进行训练学习,k-means算法是一种划分式聚类算法。由于,k-means算法思想相对简单,且该算法易于实现以及对于大数据集具有较好的伸缩性等优点,在实际中应用的最为广泛。但是k-means算法也有很多不尽人意的地方。本文主要做了以下的工作:首先,针对k-means算法对孤立点和面对大数据时间复杂度高的问题,对处理的数据集构建倒排索引,然后用WAND算法在倒排索引结构中查询与中心点相似的指定个数的数据样本。这样可以减少k-means算法的时间复杂度。同时,WAND剪枝算法具有很好的稳定性,可以很好的将孤立点自动的选择出来,因此可以改善k-means算法易受孤立点影响和时间复杂度高的问题。然后,对算法的研究写出改进后算法的伪代码,并将改进后的算法应用在现实世界中真实的数据集上,并通过与传统的k-means算法做实验对比已验证算法的正确性和有效性。最后,将改进后的k-means算法应用在真实的文本数据集中,通过对该算法进行多次的聚类验证来说明算法改进后的先进性。通过多次变化算法中参数的值进一步验证算法的稳定性和实用性。