一种改进的K-Means聚类算法的研究
王雪梅1
李晓峰2
高巍巍3
1.东北农业大学成栋学院计算机科学与技术 哈尔滨1500252.黑龙江外国语学院信息科学系 哈尔滨1500253.北京理工大学计算机科学与技术学院 北京100081
摘要：针对传统的K-均值聚类算法存在对初始聚类中心点选择敏感、全局搜索能力差和易陷入局部最优等缺点,论文引进一种基于种群的启发式全局优化算法——差分进化算法,并将改进后的差分进化算法和K-均值聚类算法相结合.实验结果表明,该算法较好地解决了K-均值聚类算法初始中心的优化问题,防止算法陷入局部最优解,有较好的搜索能力,有效提高了聚类质量和收敛速度.
关键词：差分进化算法K-均值聚类算法聚类分析
分类号：TP399(计算技术、计算机技术)
资助基金：教师科研专项(CTF120771)
论文发表日期：2013-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 1717-1719,1759 )
英文信息