针对K均值聚类算法存在的对初始值敏感且容易陷入局部最优的缺点，提出一种改进的混合蛙跳算法（SFLA）和K均值相结合的聚类算法。该算法通过混沌搜索优化初始解，变异操作生成新个体，在更新青蛙位置时，设计了一种新的搜索策略，提高了算法寻优能力；根据青蛙群体的适应度方差来确定K均值算法的操作时机，抑制早熟收敛。实验结果表明，改进的算法提高了聚类精度，在全局寻优能力和收敛速度方面具有优势。