一种改进的遗传k-means聚类算法

被引：22

作者：

刘婷

郭海湘

诸克军

高思维

机构：

[1] 中国地质大学管理学院

来源：

数学的实践与认识 | 2007年 / 08期

关键词：

聚类; k-means算法; 遗传算法;

D O I：

暂无

中图分类号：

O212.1 [一般数理统计];

学科分类号：

020208 ; 070103 ; 0714 ;

摘要：

在经典的k-means聚类算法中,聚类数k必须事先给定,然而在现实中k很难被精确的确定.本文提出了一种改进的遗传k-means聚类算法,并构造了一个用来评价分类程度好坏的适应度函数,该适应度函数考虑的是在提高紧凑度(类内距)和分离度(类间距)的同时使得分类个数尽可能少.最后采用两个人工数据集和三个UCI数据集对k-means聚类算法(KM),遗传聚类算法(GA),遗传k-means聚类算法(GKM)和改进的遗传k-means聚类算法(IGKM)进行比较研究,比较的指标有类间距、类内距和分类正确率.研究证明改进的遗传k-means算法能够自动获取最佳聚类数k并且保持较高的正确率.

引用

页码：104 / 111

页数：8

共 5 条

[1] K-MEANS算法中的K值优化问题研究 [J].