一种结合粒子群和粗糙集的聚类算法

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.