本发明是公开了一种基于密度的数据预处理优化方法，首先计算样本对象的欧氏距离与平均距离，然后进行粗聚类；利用密度权重找出聚类的中心点，将中心点为中心，平均距离为半径里的所有数据对象归为一类，得到聚类数目；最后，将预处理后得到的聚类中心点与聚类数目利用K‑medoids算法进行细聚类，得到最终的聚类结果。本发明旨在解决数据聚类结果受其初始化的聚类中心影响较大、不能得到最优解的问题，在聚类方法基础上加入数据预处理过程，保证了初始聚类中心的稳定，通过密度作为启发信息，选取密度权重大的作为中心点，避免聚类数目的随机选取，显著提高了聚类的效果，缩短了聚类过程所消耗的时间。