در این پایان نامه یک الگوریتم عمومی برای بهبود دقت در تحلیل خوشه ای ‎k-میانگین را که در آن از تأثیر برآوردگرهای انقباضی استفاده می شود، مطالعه می کنیم. مرکز خوشه ها را نسبت به میانگین کلی تمامی داده ها با استفاده از برآوردگرهای انقباضی به دست آورده و سپس برآوردگرهای انقباضی به عنوان مرکز خوشه جدید در تکرارهای خوشه بندی تا رسیدن به همگرایی استفاده می شود. نتایج به دست آمده از روش انقباضی را با روش متداول ‎k-میانگین مقایسه می کنیم. اندازه گیری افزایش دقت خوشه بندی این روش ها با استفاده از شاخصی موسوم به ‎رَند انجام می پذیرد. در این راستا می توان‏، با شبیه سازی‏، بهبود دقت خوشه بندی وابسته به دو عامل واریانس درون خوشه ای و بعد ماتریس کواریانس را بررسی کرده و ثابت کرد که دقت در داده های شبیه سازی شده و مثال هایی با داده های واقعی به طور معناداری افزایش می یابد‎.‎