基于k-means的量子微粒群动态聚类

摘要：

k-means算法原理简单、收敛速度快,但易陷入局部最优,且须将聚类的类簇数作为先验知识,为此,引入量子微粒群与k-means算法结合,提出了一种改进的动态聚类算法.改进算法具有量子微粒群的全局搜索能力,且对每个粒子采用k-means进行优化,从而加快算法的收敛速度.通过适应度函数值的调整,算法在聚类中能够搜寻到最优类簇数,这样类簇个数和中心就不受主观因素的影响.实验表明,算法有效.

关键词：k-means、量子微粒群、动态聚类、全局搜索

所属期刊栏目：26

分类号：TP306.1(计算技术、计算机技术)

资助基金：成都信息工程学院发展基金KYTZ201108

在线出版日期：2014-02-21（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：28-32