改进遗传算法的K-均值聚类算法研究

• 作者: 张立文 徐家宁 徐素莉 李进
• 来源期刊: 微计算机应用
• 学科: 工学
• 关键词: 聚类分析 遗传算法 免疫机制 K-均值 个体浓度
• 年，卷（期）: 2010,（4）
• 所属期刊栏目: 综述与研究
• 页码范围: 11-15
• 分类号: TP3
• 字数: 3485字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-347X.2010.04.003

摘要

传统的k-均值算法对初始聚类中心的敏感很大,极易陷入局部最优值;利用遗传算法或免疫规划算法解决初始聚类中心是较好的方法,但后期容易出现收敛速度缓慢.为了克服上述缺点,文章将免疫原理的选择操作机制引入遗传算法中,使个体浓度和适应度同时对个体的选择施加影响,以此提出基于改进遗传算法的K-均值聚类算法,该方法利用K-均值算法的高效性和改进遗传算法的全局优化搜索能力,较好地解决了聚类中心优化问题.试验结果表明,本算法能够有效改善聚类质量,并且具有较好的收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立文	河南科技大学电子信息工程学院	31	250	7.0	15.0
2	徐素莉	河南科技大学电子信息工程学院	20	90	6.0	8.0
3	李进	太原科技大学计算机科学与技术学院	3	27	2.0	3.0