一种改进的简化均值粒子群K-means聚类算法

• 作者: 张晋瑞 程琦甫 靳雁霞 齐欣
• 来源期刊: 微电子学与计算机
• 关键词: 粒子群优化算法 简化粒子群 邻域最优粒子 K-means聚类 聚类数 初始聚类中心
• 年，卷（期）: 2020,（5）
• 页码范围: 69-74
• 页数: 6页
• 分类号: TP18|TP391.41
• 语种: 中文

摘要

针对粒子群优化算法容易陷入局部最优且K-means算法受聚类数及初始聚类中心的选取影响较大,提出了一种改进的简化均值粒子群K-means优化聚类算法(ISMPSO-AKM).一方面,在简化粒子群算法的基础上,加入邻域最优粒子,由个体最优位置、全局最优位置及邻域最优位置线性组合改进位置公式.另一方面,构造一种基于余弦函数和对数函数的惯性权重,实现对惯性权重的动态调整.此外,引入AKM聚类算法确定聚类数,动态获取初始中心,进一步提高算法的准确性.仿真实验表明,改进的ISMPSO-AKM算法具有更快的收敛速度,更高的求解精度及更稳定的聚类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	靳雁霞	中北大学大数据学院	46	160	7.0	10.0
2	齐欣	中北大学大数据学院	3	1	1.0	1.0
3	张晋瑞	中北大学大数据学院	5	1	1.0	1.0
4	程琦甫	中北大学大数据学院	5	1	1.0	1.0