基于改进引力搜索算法的K-means聚类

被引:9
作者
魏康园 [1 ,2 ]
何庆 [1 ,2 ]
徐钦帅 [1 ,2 ]
机构
[1] 贵州大学大数据与信息工程学院
[2] 贵州大学贵州省公共大数据重点实验室
关键词
K-means算法; 引力搜索算法; 引力系数衰减因子; 免疫克隆选择算法;
D O I
10.19734/j.issn.1001-3695.2018.06.0310
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
针对K-means算法的聚类结果极易受到聚类中心的影响而陷入局部最优解的问题,提出一种基于改进引力搜索的K-means聚类算法。首先引入自适应概念,对引力系数衰减因子进行控制,提高算法的全局探索能力和局部开发能力;然后,引入免疫克隆选择机制,以便算法能够有效跳出局部最优,并通过对12个基准测试函数的实验验证改进引力搜索算法的有效性和优越性;最后,通过结合改进的引力搜索算法和K-means算法,提出一种新的聚类算法A2F-GSA-Kmeans,在六个测试数据集上的实验表明,该算法具有较好的聚类质量。
引用
收藏
页码:3240 / 3244
页数:5
相关论文
共 20 条
[1]  
Learning and optimization using the clonal selection principle. De Castro LN,Von Zuben FJ. IEEE Transactions on Evolutionary Computation . 2002
[2]   基于改进BA算法的K-means聚类 [J].
杨菊蜻 ;
张达敏 .
计算机应用研究, 2018, 35 (05) :1454-1457
[3]   基于改进蜂群算法的K-means算法 [J].
于佐军 ;
秦欢 .
控制与决策, 2018, 33 (01) :181-185
[4]  
Improving linear discriminant analysis with artificial immune system-based evolutionary algorithms[J] . Mehdi Mohammadi,Bijan Raahemi,Ahmad Akbari,Babak Nassersharif,Hossein Moeinzadeh. &nbspInformation Sciences . 2011
[5]  
Adaptive gbest-guided gravitational search algorithm[J] . Seyedali Mirjalili,Andrew Lewis. &nbspNeural Computing and Applications . 2014 (7-8)
[6]  
Chaotic gravitational constants for the gravitational search algorithm[J] . Seyedali Mirjalili,Amir H. Gandomi. &nbspApplied Soft Computing . 2017
[7]  
An effective gbest-guided gravitational search algorithm for real-parameter optimization and its application in training of feedforward neural networks[J] . Vijay Kumar Bohat,K.V. Arya. &nbspKnowledge-Based Systems . 2018
[8]  
万有引力搜索算法的分析与改进[D]. 范炜锋.广东工业大学 2014
[9]   基于轮廓系数的聚类有效性分析 [J].
朱连江 ;
马炳先 ;
赵学泉 .
计算机应用, 2010, 30(S2) (S2) :139-141+198
[10]  
A mixed-strategy based gravitational search algorithm for parameter identification of hydraulic turbine governing system. Zhang N,Li C,Li R,et al. Knowledge Based Systems . 2016