基于人工蜂群优化的K均值聚类算法

• 作者: 孙雪凯 廖伍代 朱范炳 王海泉
• 来源期刊: 计算机测量与控制
• 关键词: 聚类分析 K均值算法 人工蜂群算法 聚类中心 优化
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 设计与应用
• 页码范围: 136-138,156
• 页数: 4页
• 分类号: TP273
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.04.036

摘要

为了改善K均值聚类算法对初始聚类中心敏感和易于陷入局部最优的不足,提出人工蜂群算法和K均值聚类算法相结合的想法,即基于人工蜂群优化的K均值聚类算法;通过全局寻优能力强的人工蜂群算法初始化K均值的聚类中心并优化聚类中心的位置,从而帮助K均值跳出局部极值,优化聚类效果;将混合聚类算法用Iris、Red Wine和New Red Wine数据集做聚类测试,结果表明该算法既克服了原始K均值聚类算法容易受初始聚类中心影响和不稳定的缺点,又具有良好的性能和聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖伍代	中原工学院电子信息学院	9	45	3.0	6.0
2	王海泉	中原工学院电子信息学院	19	84	5.0	8.0
3	朱范炳	中原工学院电子信息学院	1	3	1.0	1.0
4	孙雪凯	中原工学院电子信息学院	1	3	1.0	1.0