基于改进粒子群算法的聚类算法

被引：27

作者：

陈小全

张继红

机构：

[1] 交通运输部管理干部学院计算机系

来源：

计算机研究与发展 | 2012年 / 49(S1)卷 / S1期

关键词：

聚类分析; K-均值算法; 粒子群算法; 收敛速度; 全局最优;

D O I：

暂无

中图分类号：

TP301.6 [算法理论]; TP311.13 [];

学科分类号：

081202 ; 1201 ;

摘要：

K-均值算法是一种传统的聚类分析方法,具有思想与算法简单的特点,因此成为聚类分析的常用方法之一.但K-均值算法的分类结果过分依赖于初始聚类中心的选择,对于某些初始值,该算法有可能收敛于一般次优解.在分析K-均值算法和粒子群算法的基础上,提出了一种基于改进的粒子群算法的聚类算法.该算法将局部搜索能力强的K均值算法和全局搜索能力强的粒子群算法结合,提高了K均值算法的局部搜索能力、加快了收敛速度,有效地阻止了早熟现象的发生.实验表明该聚类算法有更好的收敛效果.

引用

页码：287 / 291

页数：5

共 4 条

[1] 基于新的距离度量的K-Modes聚类算法 [J].