一种改进的K-Means聚类算法的研究

• 作者: 李晓峰 王雪梅 高巍巍
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 差分进化算法 K-均值聚类算法 聚类分析
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 算法与分析
• 页码范围: 1717-1719,1759
• 页数: 4页
• 分类号: TP399
• 字数: 3727字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2013.11.002

摘要

针对传统的K-均值聚类算法存在对初始聚类中心点选择敏感、全局搜索能力差和易陷入局部最优等缺点,论文引进一种基于种群的启发式全局优化算法——差分进化算法,并将改进后的差分进化算法和K-均值聚类算法相结合.实验结果表明,该算法较好地解决了K-均值聚类算法初始中心的优化问题,防止算法陷入局部最优解,有较好的搜索能力,有效提高了聚类质量和收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓峰	黑龙江外国语学院信息科学系	20	30	4.0	5.0
2	王雪梅	东北农业大学成栋学院	7	19	3.0	4.0
3	高巍巍	北京理工大学计算机科学与技术学院	1	11	1.0	1.0