迭代最优化算法是模式识别中重要的无指导学习方法。算法因随机确定k个聚类中心进行初始划分的原因,存在初始聚类中心选择的盲目性、容易陷入局部极值、忽略样本的聚类趋势等缺点。经过对迭代最优化算法的研究与分析,根据样本的聚类趋势,结合邻域思想,改进了聚类中心的选择方法,设计了基于样本邻域概念的迭代最优化算法,算法总的时间代价为O(n)。该算法已应用于基于SNMP协议的网络故障管理中的故障分析,分析结果与实际故障类型基本一致,并为计算机网络故障分析提供了一种可行的分析方法。