%0 Journal Article
%T 基于自适应布谷鸟搜索算法的K-means聚类算法及其应用
%A 何胜韬
%A 李灵巧
%A 王克
%A 魏文
%J 计算机应用
%D 2016
%R 10.11772/j.issn.1001-9081.2016.08.2066
%X 摘要 针对原始K-means聚类算法受初始聚类中心影响过大以及容易陷入局部最优的不足，提出一种基于改进布谷鸟搜索（CS）的K-means聚类算法（ACS-K-means）。其中，自适应CS（ACS）算法在标准CS算法的基础上引入步长自适应调整，以提高搜索精度和收敛速度。在UCI标准数据集上，ACS-K-means算法可得到比K-means、基于遗传算法的K-means（GA-K-means）、基于布谷鸟搜索的K-means（CS-K-means）和基于粒子群优化的K-means（PSO-K-means）算法更优的聚类质量和更高的收敛速度。将ACS-K-means聚类算法应用到南宁市青秀区“城管通”系统的城管案件热图的开发中，在地图上对案件地理坐标进行聚类并显示，应用结果表明，聚类效果良好，算法收敛速度快
%K 数据挖掘
%K K-means聚类
%K 布谷鸟搜索算法
%K 数字城管
%K 热图
%U http://www.joca.cn/CN/abstract/abstract19625.shtml