基于环形邻域的混沌粒子群聚类算法

摘要：

针对标准粒子群优化（PSO）算法早熟收敛及易陷入局部极值的缺点，提出一种基于环形邻域的混沌粒子群优化算法RCPSO，并将其应用于求解数据聚类问题，而且通过在4个数据集上进行仿真实验验证了算法的有效性。实验表明，当邻域大小为整个种群规模的1/3时，基于静态邻域和基于随机邻域的算法在4个数据集上的整体聚类效果均达到最好。RCPSO算法利用适当规模的环形邻域提高了粒子群的全局寻优能力，并利用混沌因子增强了粒子收敛过程中种群的多样性，从而避免算法的早熟收敛。另外，与K-means、PSO、K-PSO及CPSO算法的实验结果进行比较表明，RCPSO算法在错误率方面表现得更好，因此该算法为聚类问题提供了一种切实有效的解决方法。

关键词：数据聚类、粒子群优化、混沌映射、环形邻域

分类号：TP301.6(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金No.1142050205135260，No.JUSRP51317B；国家自然科学基金No.11371174。

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：54-60