基于可变染色体长度的遗传K均值聚类算法

被引：7

作者：

严宇平 ^{[1
]}

肖菁 ^{[2
]}

机构：

[1] 中山大学软件学院

[2] 中山大学广东省信息安全技术重点实验室

来源：

计算机工程与设计 | 2008年 / 14期

关键词：

文本聚类; K-均值算法; 遗传算法; 可变染色体长度编码; Reuters数据集;

D O I：

10.16208/j.issn1000-7024.2008.14.077

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对传统K-均值聚类算法需要事先确定聚类数,以及对初始质心的选择具有敏感性,从而容易陷入局部极值点的缺点,使用了一种基于可变染色体编码长度的遗传算法对传统K-均值聚类进行改进。该算法可以在事先不确定K值的情况下,通过多次的选择、交叉、变异的遗传操作,最终得到最优的聚类数,以及最优的初始质心集。通过Reuters数据集的实验结果表明,基于该算法的聚类划分结果明显优于传统K-均值聚类算法,并且好过基于固定染色体编码长度遗传算法的K-均值聚类算法。

引用

页码：3709 / 3713

页数：5