基于萤火虫优化的加权K-means算法

被引：42

作者：

陈小雪 ^{[1
,2
]}

尉永清 ^{[2
,3
]}

任敏 ^{[1
,4
]}

孟媛媛 ^{[1
,2
]}

机构：

[1] 山东师范大学信息科学与工程学院

[2] 山东省分布式计算机软件新技术重点实验室

[3] 山东警察学院公共基础部

[4] 山东财经大学数学与数量经济学院

来源：

计算机应用研究 | 2018年 / 35卷 / 02期

关键词：

加权K-means; 聚类; 萤火虫算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP311.13 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1201 ;

摘要：

针对传统K-means算法易受初始聚类中心和异常数据的影响等缺陷,利用萤火虫优化算法全局搜索能力强、收敛速度快的优势,对K-means算法的初始聚类中心进行优化,并通过引用一种加权的欧氏距离,减少异常数据等不确定因素带来的不良影响,提出了一种基于萤火虫优化的加权K-means算法。该算法在提升聚类性能的同时,有效增强了算法的收敛速度。在实验阶段,通过UCI数据集中的几组数据对该算法进行了聚类实验及有效性测试,实验结果充分表明了该算法的有效性及优越性。

引用

页码：466 / 470

页数：5

共 15 条

[1]

群智能优化算法及其应用.[M].雷秀娟; 著.科学出版社.2012,

[2] 基于最优类中心扰动的萤火虫聚类算法 [J].