基于混沌和自适应变异的粒子群聚类算法研究

• 作者: 吴启武 季艺伟 徐龙顺 杨济华 高见文
• 来源期刊: 中国科技论文
• 学科: 工学
• 关键词: 粒子群算法 Kmeans算法 混沌 自适应变异
• 年，卷（期）: 2016,（20）
• 页码范围: 2342-2347
• 页数: 6页
• 分类号: TP301|G202
• 字数: 5466字
• 语种: 中文

摘要

针对粒子群聚类算法(PSO-Kmeans)所存在的种群随机初始化遍历性差、线性惯性权重调整策略收敛效果差、粒子易陷入早熟收敛、等距点影响聚类精确度以及处理大量数据时性能不足等问题,提出了1种混沌和自适应变异的粒子群聚类算法,通过无限折叠混沌映射初始化、非线性惯性权重调整、基于变异参数的自适应t分布变异以及比较等距点周围趋向性等策略,对PSO-Kmeans算法进行改进,并实现了算法的并行化.实验结果表明,改进算法可以有效地避免早熟收敛,聚类精度要优于Kmeans算法和PSO-Kmeans算法,而且在处理大量数据时能有效提高算法的时间性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴启武	武警工程大学信息工程系	21	74	6.0	7.0