摘要
针对K-均值聚类算法对初始值敏感和易陷入局部最优的缺点,提出了一类新的聚类算法——基于差分演化的K-均值聚类算法,进而提出了基于自适应差分演化的K-均值聚类算法,并将新算法与传统的K-均值聚类算法和最近提出的几个同类聚类算法进行比较。实验结果表明,该类算法能比较有效地克服传统的K-均值聚类算法的缺点,算法具有较好的全局收敛能力,稳定性强、收敛速度快,且比较研究表明该类算法具有一定的竞争力。
After analyzing the disadvantage of the classical K-means clustering,we propose a novel K-means cluster analysis algorithm based on differential evolution algorithm and a K-means cluster analysis algorithm based on self-adaptive differential evolution algorithm to improve the classical K-means algorithm.Numerical experiment results show that the new algorithms can overcome the faults of the classical K-means algorithm,and converge quickly.Comparative research exposes the two proposed algorithms as competitive algorithms for clustering.
出处
《武汉理工大学学报》
CAS
CSCD
北大核心
2010年第1期187-191,共5页
Journal of Wuhan University of Technology
基金
国家自然科学基金(60572015)
国家973重大基础研究专项项目(2004CCA02500)
武汉市科技攻关项目(200770834318)资助
湖北省教育厅优秀中青年人才项目(Q200726003)
关键词
聚类分析
差分演化算法
K-均值聚类算法
cluster analysis
differential evolution algorithm
K-means cluster algorithm
