基于多类合并的PSO-means聚类算法

摘要：

针对传统K-means算法中对初始化聚类中心敏感,容易陷入局部极小值等缺点,提出了一种基于粒子群算法和多类合并方法的新型K-means聚类算法.该算法首先利用改进粒子群算法选取初始聚类中心,然后利用K-means算法进行优化聚类,最后根据多类合并条件进行聚类合并,以获取最佳聚类结果.实验结果证明,该算法能有效解决传统K-means算法存在的缺陷,具有更快的收敛速度及更好的全局搜索能力,聚类划分效果更优.

关键词：粒子群算法、多类合并、K-means算法、适应度方差

所属期刊栏目：23

分类号：TP3;TP1

资助基金：浙江省教育厅科研项目Y201326770;宁波大学科研基金项目XYL12009;浙江省教育厅科研项目Y201326872;浙江省2011年度大学生新苗人才计划项目

在线出版日期：2014-04-08（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：160-165,69