基于改进引力搜索算法的K-means聚类

摘要：

针对K-means算法的聚类结果极易受到聚类中心的影响而陷入局部最优解的问题,提出一种基于改进引力搜索的K-means.聚类算法.首先引入自适应概念,对引力系数衰减因子进行控制,提高算法的全局探索能力和局部开发能力;然后,引入免疫克隆选择机制,以便算法能够有效跳出局部最优,并通过对12个基准测试函数的实验验证改进引力搜索算法的有效性和优越性;最后,通过结合改进的引力搜索算法和K-means算法,提出一种新的聚类算法A2F-GSA-Kmeans,在六个测试数据集上的实验表明,该算法具有较好的聚类质量.

关键词：K-means算法、引力搜索算法、引力系数衰减因子、免疫克隆选择算法

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

资助基金：贵州省公共大数据重点实验室开放课题2017BDKFJJ004;贵州省教育厅青年科技人才成长项目黔科合KY字[2016]124;贵州大学培育项目黔科合平台人才[2017]5788

在线出版日期：2020-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3240-3244