基于改进引力搜索的混合K-调和均值聚类算法研究

摘要：

为了解决聚类算法容易陷入局部最优的问题，以及增强聚类算法的全局搜索能力，基于 KHM算法以及改进的引力搜索算法，提出一种混合 K-调和均值聚类算法（G-KHM）。G-KHM算法具有 KHM算法收敛速度快的优点，但同时针对 KHM算法容易陷入局部最优解的问题，在初始化后数据开始搜索聚类中心时采用了一种基于对象多样性及收敛性增强的引力搜索算法，该方法改进了引力搜索算法容易失去种群多样性的缺点，并同时具有引力搜索算法较强的全局搜索能力，可以使算法收敛到全局最优解。仿真结果表明，G-KHM算法能有效地避免陷入局部极值，具有较强的全局搜索能力以及稳定性，并且相比 KHM算法、K-means 聚类算法、C 均值聚类算法以及粒子群算法，在分类精度和运行时间上表现出了更好的效果。

关键词：混合K-调和均值聚类、KHM算法、改进引力搜索算法、全局搜索能力

分类号：TP391;TP301.6(计算技术、计算机技术)

资助基金：陕西省教育厅自然科学基金资助项目12JK0557

在线出版日期：2016-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：118-121