在许多应用中，很多数据集都具有数值型和分类型数据的混合特征，k-prototype是针对这类数据聚类的经典方法之一，该方法是一种基于k-means和k-mode的聚类方法。在研究了现有的混合属性数据聚类方法之后，引入了一种新算法用于混合型数据聚类，不仅改进了prototype的选取方法，而且提出了一种新的针对混合型数据的相似度度量方式，基于此又提出了一种不同于k-prototype的数据到prototype的分配方式，采用类似层次聚类中凝聚聚类的思想进行聚类，通过在四个真实的混合型数据集上测试发现：与传统算法相比，算法提高了聚类的精度和稳定性。