基于改进人工蜂群算法的K均值聚类算法

摘要：

针对K均值聚类(KMC)算法全局搜索能力差、初始聚类中心选择敏感,以及原始人工蜂群(ABC)算法的初始化随机性、易早熟、后期收敛速度慢等问题,提出了一种改进人工蜂群算法(IABC).该算法利用最大最小距离积方法初始化蜂群,构造出适应KMC算法的适应度函数以及一种基于全局引导的位置更新公式以提高迭代寻优过程的效率.将改进的人工蜂群算法与KMC算法结合提出IABC-Kmeans算法以改善聚类性能.通过Sphere、Rastrigin、Rosenbrock和Griewank四个标准测试函数和UCI标准数据集上进行测试的仿真实验表明,IABC算法收敛速度快,克服了原始算法易陷入局部最优解的缺点;IABC-Kmeans算法则具有更好的聚类质量和综合性能.

关键词：人工蜂群算法、K均值聚类算法、适应度函数、位置更新公式、聚类

所属期刊栏目：34

分类号：TP18;TP301.6(自动化基础理论)

资助基金：江西省教育厅自然科学基金资助项目DJJ12346;江西省研究生创新专项基金资助项目YC2013-S198

在线出版日期：2014-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1065-1069,1088