随着科技的发展,数据呈现爆炸式增长,为了获取海量数据中的有效信息,数据挖掘技术开始蓬勃发展。作为数据挖掘的一个重要方向,聚类算法也得到了空前的重视。人们对能适应大规模数据的、高时效性的、高性能的聚类算法的迫切需求,使得传统的聚类算法不可避免的面临着巨大的挑战。模糊C均值聚类算法(FCM)是当前最流行的模糊聚类算法之一。传统的FCM算法需要将数据集全部载入内存,当数据集很大往往无法使用FCM算法。为了处理大规模数据,学者们提出了许多改进的FCM算法,在这些算法中,可伸缩的随机取样迭代优化模糊聚类算法(SRSIO-FCM)相比很多其他改进算法取得了更好的性能。SRSIO-FCM提出将数据点随机划分为多个子集,在每个子集上单独运行FCM算法,再将前两个子集的聚类结果进行某种合并后,作为第三个子集的初始聚类中心,如此将每个子集的结果以环环相扣的形式结合起来,得到最终的聚类划分。虽然SRSIO-FCM算法比当前很多聚类大数据的算法在性能上有很大提升,但仍存在一些不足。第一,它以随机的方式选择初始聚类中心,容易造成不稳定的聚类结果;第二,它对子集聚类结果的合并方式没有考虑到子集内数据点的分布特征,容易造成聚类结果不够精确。本文提出一种基于粒子群算法的多子集模糊聚类算法(PSO-SMFCM),能够很好地克服SRSIO-FCM的缺陷。首先引入粒子群算法决定优质的初始聚类中心,使聚类结果更稳定,同时减少迭代次数;其次,定义一种新的结果合并方式,充分考虑子集间数据点的分布特征,有效提升聚类结果准确率。同时,由于FCM是迭代算法,选择适合迭代计算的Spark编程框架执行程序来提升算法效率。在理论上,详细阐述并对比PSO-SMFCM算法与SRSIO-FCM算法的思想和步骤;在实验上,通过基于不同测试数据集的大量实验,从高效性、准确性和稳定性三个方面佐证PSO-SMFCM的优势。最后证明本文提出的算法PSO-SMFCM比SRSIO-FCM更高效、更准确和更稳定。