现代教育倡导学生自主学习、合作学习和探究性学习,大学生的合作学习能力尤其重要。目前国内外很多学者对合作学习进行了广泛的研究,并取得了丰厚的研究成果,同时表明合作学习是一种有效的学习模式.如何合理地根据学生的特征准确地对学生进行分组合作学习就成为关键问题。数据挖掘技术的研究和发展为学生分组学习提供了有效的方法。自组织映射(Self-OrganizingMap,SOM)和K-means在聚类分析方面均有其优越之处,本文研究并实现了基于自组织映射网络的K-means聚类算法,综合了两种算法的优点,使聚类过程具有较强的自适应性。运用自组织映射神经网络得到初始聚类中心作为K-means算法的初始输入,在UCI标准数据集上的实验表明该两阶段聚类算法比单独使用K-means算法和自组织映射网络性能更好。本文重点将两阶段聚类算法运用在某高校学院的学生分组研究上,根据合作学习者的个性化特征,提出基于学习者特征聚类的改进K-means分组算法对学习者进行分组,以期达到提高合作学习效果的目的。利用组内离差平方和图确定改进算法最优聚类的个数,比较在相同聚类个数的条件下,改进算法与原算法的类内距离标准方差值。应用该算法对某高校学院学生数据进行分析,结果表明该算法能产生更科学合理的分组结果,并为合作学习理论应用于教学提供了一种强有力的支撑。