一种结合灰狼优化和K-均值的混合聚类算法
2015-08-29杨红光刘建生
江西理工大学学报 2015年5期
关键词:优化
杨红光, 刘建生
(江西理工大学理学院,江西赣州341000)
一种结合灰狼优化和K-均值的混合聚类算法
杨红光,刘建生
(江西理工大学理学院,江西赣州341000)
针对传统K-均值聚类算法对初始中心选择敏感和全局搜索能力不足的缺点,提出一种结合灰狼优化和K-均值的混合聚类算法 (GWO-KM).将灰狼优化智能算法首次应用到聚类分析领域,利用灰狼算法良好的勘探能力去寻找使聚类结果最佳的一组聚类中心,克服了原始聚类算法对初始中心点的过度依赖.通过在UCI标准数据集上的仿真实验表明,该混合聚类算法相对于传统的K-均值聚类算法和其他改进算法,在收敛速度、聚类质量和稳定性上都表现更佳.
聚类分析;K-均值聚类算法;灰狼优化算法
0 引言
“物以类聚,人以群分”是对分类学的一个概括,里面的“类”是指一些特征相似的对象组成的集合.无论在现实生活中还是在科学研究领域,分类问题可谓无处不在.以前的分类只能凭借个人经验来完成,得到的分类结果并不十分准确,随着科学技术的发展,对于分类的要求越来越高,传统的分类已不能满足科学需求.如今,随着数学工具和多元统计方法被应用到分类学中,渐渐地在数值分类学中形成了新的分支 “聚类分析”[1].目前聚类分析在很多研究领域都得到了广泛应用,像机器学习、数据挖掘、生物信息学、数字图像的自适应修复[2]等都用到了聚类分析技术.
K-均值聚类是由Mac Queen提出的一种非常经典的……
登录APP查看全文
