基于最大最小距离和动态隧道的聚类算法
针对K-means聚类算法对初值敏感和易陷入局部最小值的缺陷,提出了一种基于最大最小距离和动态隧道的聚类算法.该算法首先利用最大最小距离法来优选初始聚类中心以避免由于聚类中心过于随机而导致其分布较为集中的情形,以提高划分初始数据集的效率.动态隧道法具有全局寻优能力,利用钻隧过程可跳出局部极小点得到更小值点,再由K-means聚类算法对其迭代优化,如此反复直至得到全局极值.实验结果表明了该算法的可行性和有效性.
聚类、非凸函数、最大最小法、动态隧道法、钻隧
31
TP181(自动化基础理论)
重庆市教委科学技术研究基金项目KJ070802;运筹学与系统工程重庆市市级重点实验室开放基金项目YC200804
2010-06-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
1775-1778