一种优化初始中心点的K-Means文本聚类算法

被引：12

作者：

朱颢东 ^{[1
,2
]}

钟勇 ^{[1
,2
]}

赵向辉 ^{[1
,2
]}

机构：

[1] 中国科学院成都计算机应用研究所

[2] 中国科学院研究生院

来源：

郑州大学学报(理学版) | 2009年 / 41卷 / 02期

关键词：

K-Means算法; 模拟退火算法; 初始中心;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

为解决传统K-Means算法以及它的变种会产生较大波动的聚类结果的问题,使用改进的模拟退火算法来优化初始中心,得到一种适合对文本数据聚类分析的算法.把改进的模拟退火算法和K-Means算法结合在一起,从而达到既能发挥模拟退火算法的全局寻优能力,又可以兼顾K-Means的局部寻优能力,较好地克服了K-Means对初始化敏感、容易陷入局部最优的缺点.实验证明,该算法可以生成质量较高而且聚类质量波动性较小的结果.

引用

页码：29 / 32

页数：4

共 4 条

[1] 一种改进的模拟退火算法的相位恢复
柴晓冬
周成鹏
[J]. 计算机工程与应用 , 2008, (07) : 75 - 77
[2] 基于混合遗传算法的工作流重构研究
田珂
朱清新
向培素
[J]. 计算机科学, 2007, (01) : 103 - 105+111
[3] 并行遗传/模拟退火混合算法及其应用
温平川
徐晓东
何先刚
[J]. 计算机科学, 2003, (03) : 86 - 89
[4] Data clustering[J] . A. K. Jain,M. N. Murty,P. J. Flynn.ACM Computing Surveys （CSUR） . 1999 (3)

← 1 →