基于改进粒子群算法的聚类算法
K-均值算法是一种传统的聚类分析方法，具有思想与算法简单的特点，因此成为聚类分析的常用方法之一。但K-均值算法的分类结果过分依赖于初始聚类中心的选择，对于某些初始值，该算法有可能收敛于一般次优解。在分析K-均值算法和粒子群算法的基础上，提出了一种基于改进的粒子群算法的聚类算法。该算法将局部搜索能力强的K均值算法和全局搜索能力强的粒子群算法结合，提高了K-均值算法的局部搜索能力、加快了收敛速度，有效地阻止了早熟现象的发生。实验表明该聚类算法有更好的收敛效果。
聚类分析 粒子群算法 K-均值算法 收敛效果
陈小全 张继红
交通运输部管理干部学院计算机系 北京 101601
国内会议
济南
中文
287-291
2011-11-18（万方平台首次上网日期，不代表论文的发表时间）