%0 Journal Article
%T 基于邻域影响的改进粒子群算法的聚类算法
%A 温凤文
%A 王洪春
%J 重庆师范大学学报(自然科学版)
%P 59-62
%D 2014
%R 10.11721/cqnuj20140213
%X K-均值算法是一种传统的聚类分析方法,具有思想与算法简单的特点,因此成为聚类分析的常用方法之一。但K-均值算法的分类结果过分依赖于初始聚类中心的选择,对于某些初始值,该算法有可能收敛于一般次优解,在分析K-均值算法和粒子群算法的基础上,提出了一种基于邻域影响的改进的粒子群算法的聚类算法,通过对粒子群算法的改进来优化与K-均值结合的聚类算法。该算法将局部搜索能力强的K-均值算法和全局搜索能力强的粒子群算法结合,提高了K-均值算法的局部搜索能力、加快收敛速度,有效阻止了早熟现象的发生,达到那些离群的孤立点。实验表明该聚类算法有更好的收敛效果,一方面聚类所用的时间更短,另一方面聚类的准确率更高。
%K 聚类分析
%K K-均值算法
%K 粒子群算法
%U http://cqnuj.cqnu.edu.cn/oa/DArticle.aspx?type=view&id=140213