混合细菌觅食和粒子群的k-means聚类算法

被引：4

作者：

闫婷

谢红薇

机构：

[1] 太原理工大学计算机科学与技术学院

来源：

微电子学与计算机 | 2016年 / 33卷 / 06期

关键词：

k-means; 细菌觅食优化算法; 粒子群算法; 聚类算法;

D O I：

10.19304/j.cnki.issn1000-7180.2016.06.014

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对传统k-means聚类算法中初值的敏感性,容易陷入局部最优解的缺陷,提出了一种优化初始聚类中心的k-means聚类算法.该算法将全局搜索能力强的粒子群算法与局部搜索能力强的细菌觅食算法结合,将细菌的趋化行为简化为粒子群中粒子寻找最优解的过程,再利用细菌完成复制、迁徙操作.将混合算法的最优解确定为初始聚类中心,解决了k-means算法随机选择聚类中心的弊端.对Iris、Wine、Glass等UCI数据集的测试结果表明,该算法的准确率和稳定性都高于流行的聚类算法,能够更有效地解决复杂的优化问题.

引用

页码：59 / 62+67 +67

页数：5

共 9 条

[1] 基于K-means的改进人工蜂群聚类算法 [J].