人工智能是目前的一门热门研究学科,而计算机博弈作为人工智能领域里的一个重要分支,一直以来也是研究的热点。从1950年计算机博弈的基本理论建立,计算机博弈程序的水平在不断提高。在所有的棋种中,只有围棋还处于没有被解决的状态,而围棋的复杂性、规模巨大、模式不清晰等特点使得计算机围棋程序的水平仍然处在人类业余棋手的阶段。本文创新性地使用图像识别中的特征学习和特征提取的方法,并结合了目前围棋研究领域的UCB算法,提出了一种基于K-means聚类算法对围棋特征提取的算法。本文所述算法由两大部分组成：1,K-means特征学习,使用K-means聚类算法将原本数量巨大的棋盘块数量使用较少数量的聚类中心代替。由于围棋的特殊性,因此本文对K-means的主要算法做出了相应的改变,以得到合理正确的结果。2,胜率学习,对K-means的聚类结果向量化后使用神经网络对UCB算法计算的胜率进行学习,从而达到对待选招法进行预剪枝的功能。在与基线算法进行比较的过程中,本文所提出的算法最多可以在同样计算量上达到70%以上的胜率,同时在胜率相同的情况下,可以做到最多节约81%的计算量。