带混沌搜索的粒子群聚类算法

摘要：

聚类可以看成是寻找K个最佳聚类中心的过程.文中把一组聚类中心视为一个粒子(P),把各个数据到各自聚类中心的欧式距离之和看成优化函数(f(P)),使用带混沌搜索的粒子群聚类算法(C-PSO)算法寻找最优函数值,从而找到最佳聚类中心.该算法改进了粒子速度的初始化,把混沌搜索嵌入到粒子群的搜索过程中,提高了粒子群的搜索能力.实验结果表明,该算法的聚类效果明显好于K-means和PSO聚类.

关键词：聚类、PSO、混沌搜索、C-PSO

所属期刊栏目：18

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2008-11-27（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：93-95,102