基于QPSO的数据聚类

• 作者: 孙俊 须文波 龙海侠
• 来源期刊: 计算机应用研究
• 关键词: 聚类 K-Means PSO QPSO 聚类中心
• 年，卷（期）: 2006,（12）
• 所属期刊栏目: 研究探讨
• 页码范围: 40-42,45
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2006.12.014

摘要

在K-Means聚类、PSO聚类、K-Means和PSO混合聚类(KPSO)的基础上,研究了基于量子行为的微粒群优化算法(QPSO)的数据聚类方法,并提出利用K-Means聚类的结果重新初始化粒子群,结合QPSO的聚类算法,即KQPSO.介绍了如何利用上述算法找到用户指定的聚类个数的聚类中心.聚类过程都是根据数据之间的Euclidean(欧几里得)距离.K-Means算法、PSO算法和QPSO算法的不同在于聚类中心向量的“进化”上.最后使用三个数据集比较了上面提到的五种聚类方法的性能,结果显示基于QPSO算法的数据聚类性能比一般PSO算法更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	须文波	江南大学信息工程学院	409	3078	23.0	34.0
2	孙俊	江南大学信息工程学院	186	1552	21.0	30.0
3	龙海侠	江南大学信息工程学院	9	88	5.0	9.0