الگوریتم K-Means یکی از پرکاربردترین الگوریتم‌های خوشه‌بندی می‌باشد. حرف k که در این الگوریتم وجود دارد به این واقعیت برمی‌گردد که این الگوریتم به دنبال تعداد ثابتی از خوشه‌هاست که بر اساس نزدیکی نقاط داده‌ای به هم تعریف شده‌اند.
در الگوریتم K-Means ابتدا k عضو (که kتعداد خوشه‌ها است) بصورت تصادفی از میان n عضو به عنوان مراکز خوشه‌ها انتخاب می‌شود. سپس n-k عضو باقیمانده به نزدیک‌ترین خوشه تخصیص می‌یابند. بعد از تخصیص همه اعضا مراکز خوشه مجدداً محاسبه می‌شوند و با توجه به مراکز جدید به خوشه‌ها تخصیص می‌یابند و این کار تا زمانی که مراکز خوشه‌ها ثابت بماند ادامه می‌یابد.