一种结合灰狼优化和K-均值的混合聚类算法

被引：38

作者：

杨红光

刘建生

机构：

[1] 江西理工大学理学院

来源：

江西理工大学学报 | 2015年 / 36卷 / 05期

关键词：

聚类分析; K-均值聚类算法; 灰狼优化算法;

D O I：

10.13265/j.cnki.jxlgdxxb.2015.05.015

中图分类号：

TP18 [人工智能理论]; TP311.13 [];

学科分类号：

140502 [人工智能];

摘要：

针对传统K-均值聚类算法对初始中心选择敏感和全局搜索能力不足的缺点,提出一种结合灰狼优化和K-均值的混合聚类算法(GWO-KM).将灰狼优化智能算法首次应用到聚类分析领域,利用灰狼算法良好的勘探能力去寻找使聚类结果最佳的一组聚类中心,克服了原始聚类算法对初始中心点的过度依赖.通过在UCI标准数据集上的仿真实验表明,该混合聚类算法相对于传统的K-均值聚类算法和其他改进算法,在收敛速度、聚类质量和稳定性上都表现更佳.

引用

页码：85 / 89

页数：5

共 13 条

[1]

K-均值聚类算法的改进及其应用 [D].

梁烨炜 .

湖南大学,

2012

[2]

Hybridizing grey wolf optimization with differential evolution for global optimization and test scheduling for 3D stacked SoC.[J].Aijun Zhu;Chuanpei Xu;Zhi Li;Jun Wu;Zhenbing Liu;.Journal of Systems Engineering and Electronics.2015, 02

[3]

基于改进FCM和径向基函数插值的图像修复 [J].