一种基于改进人工蜂群的 K－means 聚类算法

摘要：

针对 K －means 算法对初始的聚类中心选择敏感，全局搜索能力较差，聚类精度低以及稳定性不高，算法的鲁棒性较差等缺点，提出了一种基于改进的人工蜂群算法来对 K －means 聚类算法进行优化。算法构造了新的适应度函数，改进了食物源的位置更新公式来提高迭代效率。利用改进的人工蜂群算法良好的全局寻优能力，搜索速度快等优点，再加上 K －means 收敛速度快的优点，二者结合来提高算法的鲁棒性。将改进后的算法嵌入到 WEKA 这一数据挖掘平台中，充分利用了开源 WEKA 中的类和可视化功能，与 WEKA 中已有的聚类算法对比分析，可以获得更好的聚类结果。

关键词：聚类、人工蜂群算法、K-means 算法、适应度函数、位置更新公式、WEKA 平台

所属期刊栏目：37

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2016-06-06（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：47-50,55