一种改进的基于粒子群的聚类算法.pdf

《一种改进的基于粒子群的聚类算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第9期计算机应用研究V01．31No．92014年9月ApplicationResearchofComputersSep．2014一种改进的基于粒子群的聚类算法水杨志，罗可(长沙理工大学计算机与通信工程学院，长沙410014)摘要：针对K—means对初始聚类中心敏感和易陷入局部最优的缺点，提出了一种改进的基于粒子群的聚类算法。该算法结合基于密度和最大最小距离法来确定初始聚类中心，解决K—means对初始值敏感的问题；利用粒子群算法全局寻优能力强的优点，避免K-means陷入局部最优。通过对样本集各维属性的规范化处理，惯性权值采用凹函数递减，计算相异度矩阵，引入用

2、群体适应度方差，进一步优化混合算法。实验结果表明，该算法具有更高的准确率和更强的收敛能力。关键词：聚类算法；粒子群优化算法；相异度矩阵；最大最小距离法；K-means；适应度方差中图分类号：TP311；TP301．6文献标志码：A文章编号：1001—3695(2014)09—2597—03doi：10．3969／j．issn．1001-3695．2014．09．008ImprovedclusteringalgorithmbasedonparticleswarmoptimizationYANGZhi，LUOKe(InstituteofComputer＆Communicati

3、onEngineering，ChangshaUnive~iqofScience&Technology，Changsha410014，China)Abstract：ThispaperproposedanimprovedclusteringalgorithmbasedonparticleswarInoptimizationthatwasaimedtore—solvetheK—meansalgorithmshortcomingofsensitivingtotheinitialclusteringcenterandeasinesstofallintolocaloptimum．Th

4、eimprovedalgorithmcombineddensity—basedandmaximumminimumdistancemethodtodetermineinitialclusteringcenter，solvedproblemoftheK-meanswassensitivetotheinitialclusteringcenter．TheadvantagesofPSO’SstrongglobaloptimizationabilitywereusedtoavoidK—meansfallingintolocaloptimum．Bynormalizingeachattr

5、ibuteofthesampleset，inertiaweightwasdecreasedbyconcavefunction，calculatedthedissimilaritymatrixandintroducedparticleswarm’Sfitnessvariancetoopti—mizethehybridalgorithmfurther．Theexperimentalresultsshowthatthisalgorithmhashigheraccuracyandstrongerconver—gencecapability．Keywords：clusteringa

6、lgorithm；particleswarmoptimization；dissimilaritymatrix；max—mindistancemethod；K-means；fitt—nessVariance聚类是一种无监督学习，它广泛地应用在多个领域，包括对K．means算法进行优化，文献[6]利用粒子群全局寻优能力数据挖掘、模式识别、计算机视觉和生物信息学，是重要的数据强的特点改进K-means算法易陷入局部最优的缺点，但没有利分析方法之一。聚类是根据数据集中数据的相关性将其划分用好K．means算法的局部搜索能力强的特点。本文利用文献为若干簇的过程，目的是使同一簇内数据

7、点之间的相似性大，[7～9]的方法动态地自动确定聚类数和初始聚类中心，结合不同簇之间数据点相似性小。文献[10—12]的方法对样本集的规范化处理、调整粒子群权聚类算法中的划分和层次的方法是最流行的聚类技术。重、计算相异度矩阵和群体适应度方差进行优化，提出了一种基于划分的聚类算法主要是K—means及其优化算法；基于层次改进的基于粒子群的聚类算法，取得了较好的聚类效果。的聚类算法有UPGMA及改进算法。1967年，由MacQueen提1预备知识出的基于目标函数的K-means算法是一种有代表性的划分方法，具有简单、快速、有效处理