结合模拟退火算法的遗传K-Means聚类方法

• 作者: 凌静 江凌云 赵迎
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 聚类 K-Means算法 遗传算法 模拟退火算法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 61-65
• 页数: 5页
• 分类号: TP18
• 字数: 5515字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.09.012

摘要

K-Means算法是一种经典的基于划分的聚类方法.传统的K-Means算法中存在很明显的缺陷,它对初始聚类中心的依赖性很大,聚类结果很容易陷入局部最优值;而基于遗传算法改进的K-Means聚类方法,提高了聚类结果的稳定性,但因为个体的多样性不足,常常会出现早熟等现象,其局部寻优能力较弱.针对上述问题,文中提出一种结合模拟退火算法的遗传K-Means聚类方法.利用模拟退火算法改进遗传算法的变异操作,用K-Means操作取代遗传算法的交叉操作,改善早熟现象,避免聚类结果陷入局部最优,实现聚类方法性能的提升.实验结果表明,该方法的聚类准确度比一般K-Means方法和遗传K-Means方法都要高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江凌云	南京邮电大学通信与信息工程学院	28	46	4.0	4.0
2	赵迎	南京邮电大学通信与信息工程学院	3	5	2.0	2.0
3	凌静	南京邮电大学通信与信息工程学院	3	3	1.0	1.0