基于优化粒计算下微粒子动态搜索的K-medoids聚类算法

• 作者: 宋红海 颜宏文
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 聚类 K-medoids算法 粒计算 相似性 微粒子动态搜索
• 年，卷（期）: 2016,（2）
• 页码范围: 9-13
• 页数: 5页
• 分类号: TP301.6
• 字数: 5722字
• 语种: 中文

摘要

K?medoids算法具有对初始聚类中心敏感，聚类准确度不高及时间复杂度大的缺点。基于此，文中提出一种优化的K?medoids算法；该算法在已有的粒计算初始化基础上进行了改进，以对象之间的相似性作为判断依据，结合最大最小法初始化聚类中心，能有效地获取最佳或近似最佳的聚类中心；在优化的粒计算前提下，提出了基于微粒子动态搜索策略，以初始中心点作为基点，粒子内所有对象到其中心的平均距离为半径，形成一个微粒子；在微粒子内部，采用离中心点先近后远的原则进行搜索，能有效地缩小搜索范围，提高聚类准确率。实验结果表明：在UCI多个标准数据集中测试，且与其他改进的K?medoids算法比较分析，该算法在有效缩短收敛时间的同时保证了算法聚类准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜宏文	长沙理工大学计算机与通信工程学院	21	213	7.0	14.0
2	宋红海	长沙理工大学计算机与通信工程学院	1	6	1.0	1.0