基于并行遗传算法的K-means聚类研究

被引：13

作者：

戴文华 ^{[1
]}

焦翠珍 ^{[1
]}

何婷婷 ^{[2
]}

机构：

[1] 咸宁学院计算机系

[2] 华中师范大学计算机科学系

来源：

计算机科学 | 2008年 / 06期

关键词：

并行遗传算法; 可变长染色体编码; K-means算法; 聚类;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对传统K-means聚类算法对初始聚类中心的选择敏感,以及聚类数K难以确定的问题,提出一种基于并行遗传算法的K-means聚类方法。该方法采用一种新型的可变长染色体编码方案,随机选择样本点作为初始聚类中心形成染色体,然后结合K-means算法的高效性和并行遗传算法的全局优化能力,通过种群内的遗传、变异和种群间的并行进化、联姻,有效地避免了局部最优解的出现,同时得到了优化的聚类数目和聚类结果。实验表明该方法是一种精确高效的聚类方法。

引用

页码：171 / 174

页数：4