基于改进粒子群算法的k均值聚类算法

发布时间：2023-03-23 20:51

　　针对k-means算法易受初始中心影响的缺点,提出了基于改进粒子群算法的k-means聚类算法(k-means cluster algorithm based on Improved PSO,IPK-means),在粒子群算法中加入混沌搜索过程,以增加PSO迭代后期粒子群的多样性,并且在粒子更新过程中,给出了一种动态调整因子公式,使得调整因子与该粒子的适应度值大小相关,即同一迭代中不同粒子也会拥有不同的调整因子。最后将改进的PSO算法应用于k-means聚类,为其寻找较好的初始中心,实验结果表明了该算法可取得较好的聚类结果。

【文章页数】：6 页

【文章目录】：
1 引言
2 相关理论
    2.1 粒子群优化算法
    2.2 改进的粒子群优化算法
        2.2.1 混沌搜索
        2.2.2 自适应调整更新权重
    2.3 k-means聚类算法
3 基于混沌搜索的粒子群k-means聚类算法 (IPK-means)
4 实验结果及分析
    4.1 实验结果
    4.2 实验分析
5 结论



本文编号：3768731