基于改进引力搜索的混合K-调和均值聚类算法研究

被引：17

作者：

王彩霞

机构：

[1] 西安工程大学理学院

来源：

计算机应用研究 | 2016年 / 33卷 / 01期

关键词：

混合K-调和均值聚类; KHM算法; 改进引力搜索算法; 全局搜索能力;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

为了解决聚类算法容易陷入局部最优的问题,以及增强聚类算法的全局搜索能力,基于KHM算法以及改进的引力搜索算法,提出一种混合K-调和均值聚类算法(G-KHM)。G-KHM算法具有KHM算法收敛速度快的优点,但同时针对KHM算法容易陷入局部最优解的问题,在初始化后数据开始搜索聚类中心时采用了一种基于对象多样性及收敛性增强的引力搜索算法,该方法改进了引力搜索算法容易失去种群多样性的缺点,并同时具有引力搜索算法较强的全局搜索能力,可以使算法收敛到全局最优解。仿真结果表明,G-KHM算法能有效地避免陷入局部极值,具有较强的全局搜索能力以及稳定性,并且相比KHM算法、K-means聚类算法、C均值聚类算法以及粒子群算法,在分类精度和运行时间上表现出了更好的效果。

引用

页码：118 / 121

页数：4

共 10 条

[1]

A simulation-based performance evaluation of a randomized MIS-based clustering algorithm for ad hoc networks.[J].Dimitrios Papakostas;Dimitrios Katsaros.Simulation Modelling Practice and Theory.2014,

[2]

A novel fuzzy hybrid quantum artificial immune clustering algorithm based on cloud model.[J].Ren-Long Zhang;Mi-Yuan Shan;Xiao-Hong Liu;Li-Hong Zhang.Engineering Applications of Artificial Intelligence.2014,

[3]

Performance Issues on K-Mean Partitioning Clustering Algorithm.[J].chatti subbalakshmi;P. Venkateswara Rao;S Krishna Mohan Rao.International Journal of Computer (IJC).2014, 1

[4]

Multi-elitist immune clonal quantum clustering algorithm.[J].Shuiping Gou;Xiong Zhuang;Yangyang Li;Cong Xu;Licheng C. Jiao.Neurocomputing.2013,

[5]

A comparative study of efficient initialization methods for the k-means clustering algorithm [J].