%0 Journal Article
%T 一种结合粒子群和粗糙集的聚类算法
%A 张丹丹
%A 罗可
%J 中山大学学报（自然科学版）
%D 2016
%X 摘要 针对传统K-means算法过度依赖初始聚类中心、易陷入局部最优、不能处理边界对象及聚类精度低等问题，提出一种结合粒子群和粗糙集的聚类算法.此算法首先利用密度和最大距离积法初始化粒子群；然后采用线性递减与随机分布相结合的惯性权重、动态调整的学习因子和引入的随机粒子来避免陷入局部极值，使算法快速收敛于全局最优；最后结合粒子群和粗糙集来优化K-means算法.通过对几个常用UCI标准数据集的仿真实验表明，提出的算法不仅能减少对初始聚类中心的依赖、有效抑制局部收敛，而且聚类准确率更高，稳定性更强.
%K K-means算法
%K 粒子群
%K 粗糙集
%K 最大距离积法
%K 随机粒子
%U http://xwxt.sict.ac.cn/CN/abstract/abstract3600.shtml