大数据挖掘中的混合差分进化K-Means无监督聚类算法

• 作者: 吴雅琴 王晓东
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 差分进化 聚类分析 大数据挖掘 K-Means 收敛速度 全局最优
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 智能技术
• 页码范围: 107-112
• 页数: 6页
• 分类号: TP311.13
• 字数: 3448字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.05.018

摘要

K-Means无监督聚类算法是现有聚类算法中最为典型的划分算法.针对K-Means聚类算法初始参数依赖性较高且聚类结果稳定性较差的问题,提出了一种改进的混合差分进化算法,并将混合差分进化算法引入K-Means聚类中.通过个体适值函数把种群视为2个子种群的混合体,并按照不同的变异策略和参数对2个子种群分别进行动态更新,提高了获取全局最优的概率.实验结果表明:相比K-Means聚类算法、基于差分进化的K-均值聚类算法,所提出方法能够有效提高聚类质量和收敛速度,较好地解决了K-Means聚类算法容易陷入局部最优陷阱的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓东	内蒙古医科大学计算机信息学院	27	105	5.0	9.0
2	吴雅琴	内蒙古医科大学计算机信息学院	20	60	5.0	7.0