睡眠分期是醫學、神經信息領域的研究熱點。人工標記睡眠數據是一項費時且費力的工作。自動睡眠分期方法能夠減少人工分期的工作負荷，但在復雜多變的臨床數據的應用上仍存在局限性。本文提出了一種改進的K均值聚類算法，主要目的是從實際睡眠數據的特點出發，研究睡眠自動分期方法。針對原始K均值聚類算法對初始聚類中心和離群點敏感的問題，本文結合密度的思想，選擇周圍數據密集的點作為初始中心，并根據“3σ法則”更新中心。改進算法在健康被試和接受持續正壓通氣（CPAP）治療的睡眠障礙者的睡眠數據上進行了測試，平均分類精確度達到76%，同時結合實際睡眠數據的形態多樣性驗證討論了該方法在臨床數據上的可行性和有效性。