基于人工蜂群优化的K均值聚类算法 |
| |
引用本文: | 廖伍代,朱范炳,王海泉,孙雪凯.基于人工蜂群优化的K均值聚类算法[J].计算机测量与控制,2018,26(4):136-138. |
| |
作者姓名: | 廖伍代 朱范炳 王海泉 孙雪凯 |
| |
作者单位: | 中原工学院,中原工学院,, |
| |
摘 要: | 为了改善K均值聚类算法对初始聚类中心敏感和易于陷入局部最优的不足,提出人工蜂群算法和K均值聚类算法相结合的想法,即基于人工蜂群优化的K均值聚类算法。通过全局寻优能力强的人工蜂群算法初始化K均值的聚类中心并优化聚类中心的位置,从而帮助K均值跳出局部极值,优化聚类效果。将混合聚类算法用Iris、Red Wine和New Red Wine数据集做聚类测试,结果表明该算法既克服了原始K均值聚类算法容易受初始聚类中心影响和不稳定的缺点,又具有良好的性能和聚类效果。
|
关 键 词: | 聚类分析、K均值算法、人工蜂群算法、聚类中心、优化 |
收稿时间: | 2017/5/31 0:00:00 |
修稿时间: | 2017/6/27 0:00:00 |
A K-Means Clustering Algorithm Based On Artificial Bee Colony Optimization |
| |
Affiliation: | Zhongyuan University of Technology,,, |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《计算机测量与控制》浏览原始摘要信息 |
|
点击此处可从《计算机测量与控制》下载全文 |
|