一种新的粒子群优化聚类算法

• 作者: 张俊溪 杨海粟
• 来源期刊: 微处理机
• 学科: 工学
• 关键词: K -平均算法 粒子群优化算法 聚类中心 稳定性 搜索 收敛 敏感
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 微机软件
• 页码范围: 61-64
• 页数: 4页
• 分类号: TP311
• 字数: 3520字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-2279.2016.02.016

摘要

K －means 算法在聚类分析中有着广泛应用。它采用了均值中心这一启发式信息，具有计算效率高的优点，但对初始聚类中心选择敏感，且容易陷入局部最优。PSO 算法的随机性和并行性特点使其在处理数据库形式的海量数据中表现出更大的优越性，不仅具有较强的全局搜索能力，同时，通过对 PSO 算法搜索过程的改进增强了算法在最优解附近的搜索概率，降低样本对初始化敏感的程度，可以弥补 K －means 算法的缺陷。将改进的 PSO 算法应用于 K －means 聚类算法可以提高算法的稳定性和收敛效率，通过四组标准 UCI 数据集的试验，验证了新算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张俊溪	西安航空学院车辆工程系	17	69	6.0	7.0
2	杨海粟		10	24	3.0	4.0