融合邻域扰动的简化粒子群K-均值聚类算法

• 作者: 周炜 崔兴梅 李祥 王日宏
• 来源期刊: 计算机应用研究
• 关键词: 粒子群优化算法 邻域扰动 K-均值聚类 优化初始聚类
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3232-3236,3242
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.11.008

摘要

针对粒子群优化算法容易陷于局部最优,且初始聚类中心选择对K-均值算法的影响较大,提出一种融合邻域扰动的简化粒子群K-均值初始优化聚类算法(ADPSO-IKM).根据集群度思想实现优化初始聚类中心;在粒子群算法公式中加入邻域扰动项,避兔陷入局部最优,并且算法遵循自适应度优化学习策略增强全局搜索能力,进一步提高了算法精度.通过仿真测试表明,提出的ADPSO-IKM算法能加快收敛速度,可防止粒子的早熟,收敛效果好,并具有较好的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王日宏	青岛理工大学计算机工程学院	27	103	6.0	9.0
2	周炜	青岛理工大学计算机工程学院	9	28	4.0	5.0
3	李祥	青岛理工大学计算机工程学院	2	9	2.0	2.0
4	崔兴梅	青岛理工大学计算机工程学院	4	21	3.0	4.0