基于改进的简化粒子群聚类算法

• 作者: 熊众望 罗可
• 来源期刊: 计算机应用研究
• 关键词: 简化粒子群算法 粒密度 最大距离积法 随机分布 极值扰动算子 K-means算法
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3550-3552
• 页数: 3页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.12.008

摘要

针对粒子群算法后期收敛速度慢、易陷入局部极值的缺点,提出一种基于粒密度和最大距离积法的简 化粒子群聚类算法.通过采用线性递减与随机分布相结合的惯性权重策略、添加极值扰动算子、优化粒子个体最优位置,使粒子群算法能够快速收敛于全局最优.再把改进后的粒子群算法与K-means算法相结合,解决K-means算法因随机初始聚类中心而导致聚类效果差、不稳定等问题.通过实验分析,该算法的聚类结果准确率更高、收敛速度更快、稳定性更强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗可	长沙理工大学计算机与通信工程学院	92	1085	16.0	28.0
2	熊众望	长沙理工大学计算机与通信工程学院	1	17	1.0	1.0