粒子群算法改进的K-Means聚类算法

• 作者: 葛青青 高建瓴
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 聚类 K-Means算法 粒子群优化算法 PSKA算法
• 年，卷（期）: 2015,（10）
• 页码范围: 45-46
• 页数: 2页
• 分类号: TP311
• 字数: 2582字
• 语种: 中文

摘要

针对传统K-Means算法对初始聚类中心较为敏感，易收敛到局部最优的缺点，提出了一种粒子群算法优化的K-Means聚类算法。该算法在 K-Means 算法的基础上定义了一种不需迭代的分类方式，并将此方式与经典粒子群算法结合，利用粒子群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，进而对数据集进行聚类。实验结果表明该算法与传统K-Means算法相比具有更高的聚类准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高建瓴	贵州大学大数据与信息工程学院	39	126	7.0	9.0
2	葛青青	贵州大学大数据与信息工程学院	2	1	1.0	1.0