针对K-medoids算法的全局搜索能力弱和迭代计算过程计算量大的不足，提出了一种改进的基于粒子群的粗糙K-medoids算法。该算法通过粒子群算法来改善K-medoids全局搜索能力，通过计算样本集的相异度矩阵来简化粒子群编码，引入粗糙集理论处理边界模糊数据，并利用记忆技术对K-medoids的迭代过程进行优化，降低算法的复杂度。通过对UCI中的Iris、Mushroom数据集测试，该算法的准确率提高，运行时间减少。