在以模糊集为理论支持的聚类算法中,KFCM(kernel fuzzy cmeans clustering)是一种对核函数进行优化的模糊聚类算法。KFCM算法需要人为指定数据的分类个数,对数据噪声敏感会降低其性能，且类边缘数据点相互影响会导致分类错误。针对这些问题,该文提出一种改进的CKFCM模糊算法,先用Canopy粗聚类算法给出数据集大致的分类数,接着在聚类部分使用KFCM算法。改进了原KFCM算法的隶属度函数,在噪声点和边缘数据的隶属度中引入其邻域数据的隶属度平均值,使数据中的噪声对算法的影响减小或消失。实验结果表明,改进的CKFCM算法能自动确定分类数,并且与原KFCM算法相比,CKFCM将平均准确率提高了0.09％，且聚类效果更稳定。