10.3969/j.issn.1671-4598.2013.04.058
基于量子蚁群改进的K-means算法
传统的K-means算法局部搜索能力强,但是对初始化比较敏感,并且容易陷入局部最优值,这些缺陷严重限制了它的应用范围;针对目前普遍所存在的问题,本文提出一种改进的基于量子蚁群的聚类方法,将量子计算原理和蚂蚁算法结合来改进K-means算法,该方法结合了两个方法的优点,力求优势互补,并且在该方法中引入微观适应性策略改进了算法中的交叉算子和变异算子,使得聚类算法的局部搜索能力得到很大的提高;实验证明该算法有很好的全局收敛性,克服了K-means的不足,能有效解决未成熟收敛的问题.
量子计算、蚂蚁算法、K-means算法、聚类分析
21
TP393(计算技术、计算机技术)
黑龙江省教育厅科学技术研究项目12511065
2015-01-20(万方平台首次上网日期,不代表论文的发表时间)
共3页
1011-1013