خوشهبندی یکی از تکنیکهای گسترده برای کشف دانش و آشکار کردن ساختار مجموعه داده بوده که برای تحلیلگر بسیار مفید است. درخوشهبندی روش پذیرفته شده برای انتخاب مراکز خوشه اولیه بسیار مهم است و تاثیر مستقیم در تشکیل خوشههاینهایی دارد. از آن جایی که خوشهها در یک فضای ویژگی و با گروههایی جدا از هم هستند، این برای انتخاب مراکز اولیهای که از هم جدا هستند بهتر است. در این مقاله یک الگوریتم برای انتخاب مراکز خوشه اولیه برای الگوریتمk-meansپیشنهاد شده است. این الگوریتم برای چند نمونه داده مختلف در ابعاد گوناگون برای اهداف مشخص بکار برده می شود، مشاهده می شود که الگوریتم پیشنهادی برای بدست آوردن مراکز خوشه اولیه برای الگوریتمk-meansعملکرد خوبی داشته است