針對原始K-means聚類算法受初始聚類中心影響過大以及容易陷入局部最優(yōu)的不足，提出一種基于改進布谷鳥搜索（cs）的K-means聚類算法（ACS-K-means）。其中，自適應CS（ ACS）算法在標準CS算法的基礎上引入步長自適應調整，以提高搜索精度和收斂速度。在UCI標準數(shù)據(jù)集上，ACS-K-means算法可得到比K-means、基于遺傳算法的K-means（ GA-K-means）、基于布谷鳥搜索的K-means（ CS-K-means）和基于粒子群優(yōu)化的K-means（PSO-K-means）算法更優(yōu)的聚類質量和更高的收斂速度。將ACS-K-means聚類算法應用到南寧市青秀區(qū)“城管通”系統(tǒng)的城管案件熱圖的開發(fā)中，在地圖上對案件地理坐標進行聚類并顯示，應用結果表明，聚類效果良好，算法收斂速度快。