一种基于改进PSO的K-means优化聚类算法

• 作者: 李陶深 谢秀华
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 聚类 K-means算法 粒子群优化算法 全局最优
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 34-38
• 页数: 5页
• 分类号: TP301.6
• 字数: 5663字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.02.008

摘要

针对传统的K-means算法对初始聚类中心的选取敏感、容易收敛到局部最优的缺点，提出一种基于改进粒子群优化算法(PSO)的K-means优化聚类算法。该算法利用PSO算法强大的全局搜索能力对初始聚类中心的选取进行优化：通过动态调整惯性权重等参数增强PSO算法的性能；利用群体适应度方差决定算法中前部分PSO算法和后部分K-means算法的转换时机；设置变量实时监控各个粒子和粒子群的最优值变化情况，及时地对出现早熟收敛的粒子进行变异操作，从而为K-means算法搜索到全局最优的初始聚类中心，使聚类结果不受初始聚类中心影响，易于获得全局最优解。实验结果表明文中提出的改进算法与传统聚类算法相比具有更高的聚类正确率、更好的聚类质量及全局搜索能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李陶深	广西大学计算机与电子信息学院	394	2640	25.0	36.0
2	谢秀华	广西大学计算机与电子信息学院	1	43	1.0	1.0