一种改进的混合蛙跳和K均值结合的聚类算法

• 作者: 喻金平 廖列法 张勇 梅宏标
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: K均值算法 混合蛙跳算法 距离更新公式 适应度函数 聚类
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 数据挖掘
• 页码范围: 356-362
• 页数: 7页
• 分类号: TP301.6
• 字数: 5872字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2016.02.024

摘要

传统K均值聚类(KMC)算法过分依赖初始值的设置,容易陷入局部最优;混合蛙跳算法(SFLA)存在收敛速度和搜索速度较慢、局部和全局信息交流不全面等缺点.针对以上缺点,首先提出一种改进的混合蛙跳算法(MSFLA).该算法根据粒子群优化和差分进化思想,在青蛙个体变异时,引入上一次移动距离的权重惯性系数和缩放因子,从种群中的最优位置和历史最优位置之间的随机点出发,以子群内的青蛙的平均值和最差位置差值为步长进行青蛙个体的更新操作.再将MSFLA与KMC算法结合提出MSFLA-KMC算法,有效地克服了KMC算法过分依赖初始值设置问题,同时降低了KMC算法陷入局部最优的可能性.实验结果表明,MSFLA具有较强的寻优能力,MSFLA-KMC算法则具有更好的聚类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖列法	江西理工大学信息工程学院	36	253	9.0	14.0
2	喻金平	江西理工大学工程研究院	21	154	6.0	12.0
3	张勇	江西理工大学信息工程学院	7	53	4.0	7.0
4	梅宏标	江西理工大学应用科学学院	7	114	5.0	7.0