基于时间因子的混沌粒子群优化K-means算法
王建芳
郝丽静
1.河南理工大学计算机科学与技术学院,河南焦作,4540002.河南理工大学计算机科学与技术学院,河南焦作,454000
摘要：针对传统的K-means算法对初始聚类中心取值敏感和易陷入局部最优解等缺点,提出一种带时间因子的改进粒子群优化(Particle Swarm Optimization,PSO)聚类算法.首先在PSO算法中引入反映时间效应的动态调整时间因子,以避免粒子在最优解附近震荡,为保证粒子在规定范围内运动,采用边界缓冲墙对越界粒子进行处理;其次针对粒子群算法存在的全局搜索性能问题,通过改进的混沌技术对粒子群进行扰动,以混沌搜索替代随机搜索,确保种群的多样性,进而使粒子群向更优的方向移动;最后将改进后的粒子群算法结合K-means算法,以提高粒子的局部勘探能力,从而更快地找到全局最优位置.对UCI中的Iris数据集和Wine数据集仿真表明,该算法相比其他2种算法,聚类准确率分别增长了5.1％和1.3％,1.79％和1.09％.
关键词：K-means混沌技术粒子群优化算法时间因子
分类号：TP301(计算技术、计算机技术)
资助基金：国家自然科学基金(61202286)河南省高等学校重点科研项目(15A520074)河南省高等学校青年骨干教师资助计划(2015GGJS-068)
论文发表日期：2016-05-16
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：6( 539-544 )
英文信息