基于微粒群优化聚类数目的K-均值算法

被引：18

作者：

巩敦卫 ^{[1
]}

蒋余庆 ^{[1
]}

张勇 ^{[1
]}

周勇 ^{[2
]}

机构：

[1] 中国矿业大学信息与电气工程学院

[2] 中国矿业大学计算机科学与技术学院

来源：

控制理论与应用 | 2009年 / 26卷 / 10期

关键词：

聚类; K-均值算法; 微粒群优化; 微粒更新;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

K-均值算法是广泛使用的聚类算法,但该算法的聚类数目难以确定,且聚类结果对初始聚类中心比较敏感.本文提出一种基于微粒群优化聚类数目的K-均值算法,该算法采用聚类中心的坐标和通配符表示微粒位置,通过定义微粒更新公式中新的加减运算符,动态调整聚类中心的数目及坐标,此外,以改进的聚类有效性指标Davies-Bouldin准则作为适应度函数.5个人工和真实数据集的聚类结果验证了所提算法的优越性.

引用

页码：1175 / 1179

页数：5

共 4 条

[1] 初始化K-means的谱方法 [J].