基于改进磷虾群算法的K-means算法

针对磷虾群算法易陷入局部最优、搜索能力弱及K-means算法易受初始聚类中心选择影响等问题,提出一种基于改进磷虾群算法的K-means算法。该算法通过混沌初始化、动态分群、精英引领和随机变异等策略改进磷虾群算法,并引入最佳聚类数自适应机制,提高了算法的综合寻优能力。实验通过6种基准函数检验了改进磷虾群算法的有效性,用UCI机器学习数据集及人造数据集测试验证了基于改进磷虾群算法的K-means算法的性能。验证结果表明,改进磷虾群算法在保证较快收敛速度的基础上提升了全局寻优能力,与其他算法相比,该算法各方面性能显著提升。