基于粒子群优化的带障碍约束空间聚类分析

被引：12

作者：

李晓晴 ^{[1
]}

焦素敏 ^{[1
]}

张雪萍 ^{[1
]}

朱淑琴 ^{[2
]}

杜振芳 ^{[2
]}

机构：

[1] 河南工业大学

来源：

计算机工程与设计 | 2007年 / 24期

关键词：

空间数据挖掘; 空间聚类; K中心算法; 粒子群算法; 障碍约束;

D O I：

10.16208/j.issn1000-7024.2007.24.066

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：

聚类分析是空间数据挖掘的主要方法之一。传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性。在分析K中心聚类方法易陷入局部极小值和对初始值敏感的基础上,提出了一种新的聚类方法——基于粒子群优化的带障碍约束空间聚类方法。实验结果表明,该聚类方法不仅使得聚类结果更具实际意义,而且在全局寻优能力方面明显优于K中心聚类方法,且有较快的收敛速度。

引用

页码：5924 / 5927

页数：4