基于改进粒子群的K-means聚类算法
针对传统的k-means算法处理离散型数据的不足以及选取初始聚类中心的随机性等缺点,提出了一种基于改进的粒子群优化k-means算法,根据文中提供的优化算法寻找初始聚类中心后,在阀值范围内进行数据样本间的迭代更新,直至聚类中心稳定。经过实验结果验证分析表明,经过改进的粒子群优化k-means算法与传统的k-means算法相比,更具有良好的聚类收敛效果,聚类效果也相对稳定。
k-means、改进粒子群算法、聚类
TP18(自动化基础理论)
2014-04-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
1238-1241