基于K-means的改进人工蜂群聚类算法

• 作者: 曹永春 蔡正琦 邵亚斌
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 人工蜂群算法 聚类分析 K-means 反向学习 非线性选择
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 204-207,217
• 页数: 5页
• 分类号: TP301.6
• 字数: 6126字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.01.0204

摘要

针对K-means聚类算法对初始聚类中心敏感和易陷入局部最优解的缺点,提出一种基于K-means的人工蜂群(ABC)聚类算法.将改进的人工蜂群算法和K-means迭代相结合,使算法对初始聚类中心的依赖性和陷入局部最优解的可能性降低,提高了算法的稳定性.通过基于反向学习的初始化策略,增强了初始群体的多样性.利用非线性选择策略,改善了过早收敛问题,提高了搜索效率.通过对邻域搜索范围的动态调整,提高了算法收敛速度,增强了局部寻优能力.实验结果表明,该算法不仅克服了K-means算法稳定性差的缺点,而且具有良好的性能和聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹永春	西北民族大学数学与计算机科学学院	21	124	5.0	11.0
2	邵亚斌	西北民族大学数学与计算机科学学院	10	96	4.0	9.0
3	蔡正琦	西北民族大学数学与计算机科学学院	14	110	4.0	10.0