为提升聚类算法的聚类效果, 采用仿生优化算法与k 均值聚类算法相结合(BFOA-K)实现数据聚类。在聚类过程中, 为解决k 均值对于初始质心敏感以及容易陷入局部最优的问题, 使用果蝇优化算法确定k 均值聚类算法的质心, 再使用k 均值聚类算法进行数据聚类。针对果蝇优化算法对于飞行步长的影响, 采用F分布动态改变步长, 提升算法全局搜索能力。同时采用精英保留策略, 提升果蝇种群的多样性, 扩大了搜索范围和提升了搜索效率。利用4 个UCI 标准数据集对算法进行仿真实验, 结果表明, 本文提出的BFOA-K 算法在各项聚类评估指标中都优于其余对比算法, 提升了算法的收敛性, 证明了算法的有效性和可行性。