针对传统的K-Means算法运行的结果依赖于初始的聚类数目和聚类中的问题,提出采用最大距离和最大密度的改进K-Means算法。通过计算距离和密度,选取一部分密度较大的数据,从中选取彼此相距较远的k个数据作为合适的聚类中心,减小孤立点对聚类结果的影响。与传统K-Means算法进行实验对比,实验结果表明改进的K-Means算法有较好的查准率和稳定性。