两阶段混合粒子群优化聚类

摘要：

为解决数据集样本维数较高时已有粒子群优化K均值算法计算速度较慢且聚类结果不稳定的问题,利用第1阶段聚类层次凝聚聚类获得准确率较高的子簇集合,作为粒子群优化K均值聚类算法初始聚类中心的搜索空间,进行第2阶段聚类.提出了一种简化的粒子编码方法,以减小样本维数对计算复杂度的影响；引入混沌的思想,以保持粒子种群的多样性,从而避免粒子群优化算法可能出现的早熟现象.通过两阶段聚类,有效地融合了粒子群优化、层次聚类与划分聚类算法的优点.在多个UCI数据集上的聚类结果表明,与几种对比算法聚类结果的最优值相比,其纯度分别提高了1％～8％,且耗时减少50％以上.

关键词：聚类、相异度、粒子群优化、粒子编码、初始聚类中心

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划资助项目2012BAH01F00;国家自然科学基金资助项目61173091

在线出版日期：2013-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1034-1040,1063