本发明公开了一种基于最大‑最小信息素的k‑means数据处理方法，包括以下步骤：S1、获取待处理的原始数据集，在原始数据集中标记随机分配的聚类中心；S2、根据蚁群信息素计算原始数据集中未标记的数据到聚类中心的蚂蚁转移概率，根据计算结果对所有未标记的数据进行重新聚类，并计算各个数据到新的聚类中心的偏离误差，选取偏离误差最小的解作为精英蚂蚁最优解；S3、更新全局的信息素，将信息素的大小限制在最大信息素和最小信息素的范围内，并根据更新后的信息素进行聚类；S4、若满足结束条件或达到最大迭代次数，输出最优聚类结果；否则转入步骤S2继续执行。本发明的算法在聚类总偏离误差上优于现有算法，在时间消耗上少于现有算法。

 本发明公开了一种基于最大‑最小信息素的k‑means数据处理方法，包括以下步骤：S1、获取待处理的原始数据集，在原始数据集中标记随机分配的聚类中心；S2、根据蚁群信息素计算原始数据集中未标记的数据到聚类中心的蚂蚁转移概率，根据计算结果对所有未标记的数据进行重新聚类，并计算各个数据到新的聚类中心的偏离误差，选取偏离误差最小的解作为精英蚂蚁最优解；S3、更新全局的信息素，将信息素的大小限制在最大信息素和最小信息素的范围内，并根据更新后的信息素进行聚类；S4、若满足结束条件或达到最大迭代次数，输出最优聚类结果；否则转入步骤S2继续执行。本发明的算法在聚类总偏离误差上优于现有算法，在时间消耗上少于现有算法。