一种改进的混合蛙跳和K均值结合的聚类算法

• 作者: 张桂珠 许方
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 聚类 混合蛙跳算法 K均值 变异 搜索策略
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 176-180
• 页数: 5页
• 分类号: TP301
• 字数: 4770字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1112-0488

摘要

针对K均值聚类算法存在的对初始值敏感且容易陷入局部最优的缺点,提出一种改进的混合蛙跳算法(SFLA)和K均值相结合的聚类算法.该算法通过混沌搜索优化初始解,变异操作生成新个体,在更新青蛙位置时,设计了一种新的搜索策略,提高了算法寻优能力;根据青蛙群体的适应度方差来确定K均值算法的操作时机,抑制早熟收敛.实验结果表明,改进的算法提高了聚类精度,在全局寻优能力和收敛速度方面具有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张桂珠	江南大学物联网工程学院	33	196	9.0	12.0
2	许方	江南大学物联网工程学院	2	15	2.0	2.0