两种新搜索策略对Kmedoids聚类算法建模

摘要 针对传统Kmedoids聚类算法对初始化敏感，中心点盲目搜索更新和聚类准确率不够高等缺点，提出新的改进算法．新算法首先对原始粒计算进行改进，利用改进的粒计算有效初始化K个中心点；其次以K个初始中心点为基点，提出两种中心点搜索更新策略，以提高中心点更新效率；同时采用簇内距离和簇间距离改进传统准则函数，以提高聚类精度．实验结果表明：新算法在UCI中Iris、Wine标准数据集中进行测试，获取了理想的初始中心点，在较少的迭代次数内寻找到最优解，并且大幅度提高了聚类准确率