自适应K值的粒子群聚类算法

• 作者: 白树仁 陈龙
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粒子群聚类算法 K-means算法 自适应K值 收敛
• 年，卷（期）: 2017,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 116-120
• 页数: 5页
• 分类号: TP391|TP301.6
• 字数: 5640字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1603-0122

摘要

传统K-means算法除了对初始聚类中心的选择非常敏感,易收敛到局部最优解外,还存在着K值难以确定的问题,不合适的K值往往会得到较差的聚类结果.而K值问题也是聚类分析中的一个重要的研究方向,在粒子群聚类算法的基础上,结合K-means算法,提出了自适应K值的粒子群聚类算法.当算法收敛时,可通过比较不同K值时全局最优适应度值之间的关系来决定K值的增大与减小.实验表明改进的算法可以有效指导K值的选取,并且具有较好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白树仁	湖南大学湖南省超级计算长沙中心	15	174	7.0	13.0
5	陈龙	湖南大学信息科学与工程学院	10	62	5.0	7.0