一种基于复合形粒子群算法的改进k-means聚类算法

被引：5

作者：

易云飞 ^{[1
]}

吴启明 ^{[2
]}

唐凤仙 ^{[2
]}

机构：

[1] 中南民族大学计算机科学学院

[2] 河池学院计算机与信息科学系

来源：

软件导刊 | 2008年 / 10期

关键词：

复合形法; 粒子群优化算法; k-means算法; 聚类;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

针对k-means算法事先必须知道聚类的数目,难以确定初始中心以及受异常点影响很大等缺点,提出了一种改进的k-means聚类算法。改进后的算法首先使用复合形粒子群算法来选取聚类的初始中心点,然后使用k-means算法快速收敛获取聚类结果。Iris测试数据集的实验结果表明了改进后的算法能够合理区分不同类型的簇集,可以有效地识别异常点,具有较好的性能。

引用

页码：46 / 48

页数：3

共 4 条

[1] 求解聚类问题的混合PSO算法设计 [J].