基于改进BA算法的K-means聚类

• 作者: 张达敏 杨菊蜻
• 来源期刊: 计算机应用研究
• 关键词: 蝙蝠算法 莱维飞行 惯性权重 limit阈值 K-means算法
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 系统应用开发
• 页码范围: 1454-1457
• 页数: 4页
• 分类号: TP393.04
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.05.038

摘要

针对传统BA(蝙蝠)算法易被局部极值吸引、发生过早收敛等问题,将莱维飞行搜索策略引入传统BA算法对蝙蝠的位置和速度更新方式进行改进,从而提高算法的全局搜索能力;通过引入非线性惯性权重平衡算法的全局和局部搜索能力并提高算法搜索精度;结合limit阈值的思想避免算法过快陷入局部极值.通过对六个标准测试函数的实验表明,改进后的BA算法不仅在全局搜索能力上有所提高,而且具有较好的搜索精度.最后将改进后的BA算法同K-means聚类算法进行结合,提出了一种基于改进BA算法的K-means聚类算法.实验结果表明,改进的算法提高了聚类准确率及算法鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张达敏	贵州大学大数据与信息工程学院	80	398	8.0	17.0
2	杨菊蜻	贵州大学大数据与信息工程学院	8	60	5.0	7.0