一种新的粒子群优化聚类方法

摘要：

针对K-均值聚类方法受初始聚类中心影响，容易陷入局部最优解的问题。本文提出了一种新的粒子群优化聚类方法，该聚类方法采用改进的交叉、变异算子，使群体粒子保持品种的多样性和优良性，减小随机初始聚类中心的影响，同时结合粒子群优化算法，增加粒子群的全局搜索能力。实验结果表明，本文提出的方法在稳定性和分类准确率上都有所提高。

关键词： Crossover and mutation operator Particle Swarm Optimization (PSO) Cluster K-means

作者: 盘俊良 石跃祥 李娉婷

作者单位: 湘潭大学信息工程学院，湖南湘潭，411105

会议类型: 国内会议

会议名称: 湖南省第三届研究生创新论坛——信息与控制工程的新理论和新技术分论坛

会议地点: 长沙

会议语种:中文

页码: 175-179

在线出版日期: 2010-11-01（万方平台首次上网日期，不代表论文的发表时间）