基于粒子群优化的模糊K-Means目标分类算法

• 作者: 穆瑞辉 苗国义
• 来源期刊: 计算机测量与控制
• 关键词: 粒子群 模糊 分类 K均值 聚类
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 1266-1268
• 页数: 3页
• 分类号: TP391
• 语种: 中文

摘要

针对模糊K-Means算法随机选择初始数据中心而导致的聚类效果不稳定的问题,提出了一种粒子群优化的模糊K-Means改进聚类算法.首先,定义了一个确定聚类数K和初始数据中心的算法,然后将算法得到的初始数据中心作为初始粒子,采用粒子群优化算法进行寻优获得最优数据中心,最后再使用模糊K-Means算法根据最优数据中心进行聚类.在UCI数据集上的实验结果表明文中算法能准确地实现分类,具有较强的全局寻优能力、较少的寻优时间和较快的收敛能力,能有效地解决目标分类问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	穆瑞辉	新乡学院计算机与信息工程学院	31	93	4.0	8.0
2	苗国义	河南科技学院信息工程学院	13	46	4.0	6.0