基于多类合并的PSO-means聚类算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

浙江省教育厅科研项目(Y201326770);宁波大学科研基金项目(XYL12009);浙江省教育厅科研项目(Y201326872);浙江省2011年度大学生新苗人才计划项目


K-means Optimization Clustering Algorithm Based on Particle Swarm Optimization and Multi-Groups Merging
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对传统K-means算法中对初始化聚类中心敏感,容易陷入局部极小值等缺点,提出了一种基于粒子群算法和多类合并方法的新型K-means聚类算法。该算法首先利用改进粒子群算法选取初始聚类中心,然后利用K-means算法进行优化聚类,最后根据多类合并条件进行聚类合并,以获取最佳聚类结果。实验结果证明,该算法能有效解决传统K-means算法存在的缺陷,具有更快的收敛速度及更好的全局搜索能力,聚类划分效果更优。

    Abstract:

    To deal with the problem of the sensitivity of initialization and premature convergence, this paper proposes a novel K-means optimization clustering algorithm based on particle swarm optimization and multi-groups merging, namely M-PSO-Means. Firstly the algorithm selects the initial cluster center by improving particle swarms clustering algorithm under default number of clustering, then optimizes the clustering, and last carries out cluster merging based on multi-groups merging condition to obtain the best clustering results. The experimental results show that, the algorithm can effectively solve the defects of K-means algorithm, and has a faster convergence rate and better global search ability, as well as better cluster category effect.

    参考文献
    相似文献
    引证文献
引用本文

林有城,符强,谢文斌,史马杰,童楠.基于多类合并的PSO-means聚类算法.计算机系统应用,2014,23(2):160-165,69

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2013-07-12
  • 最后修改日期:2013-09-22
  • 录用日期:
  • 在线发布日期: 2014-01-27
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号