本文關(guān)鍵詞： K均值聚類(lèi) 花粉算法 初始聚類(lèi)中心　出處：《紡織高�；A(chǔ)科學(xué)學(xué)報(bào)》2016年04期 　論文類(lèi)型：期刊論文

【摘要】：針對(duì)原始花粉算法尋優(yōu)精度低,后期收斂速度慢等問(wèn)題,提出加入高斯白噪聲擾動(dòng)改進(jìn)花粉算法.利用改進(jìn)后花粉算法強(qiáng)大的全局搜索能力優(yōu)化K-means算法的初始聚類(lèi)中心,通過(guò)基于距離的方法消弱孤立點(diǎn)對(duì)聚類(lèi)的影響,并對(duì)該算法的性能進(jìn)行驗(yàn)證和測(cè)試.實(shí)驗(yàn)結(jié)果表明該算法有效地避免了其陷入局部最優(yōu),改善了聚類(lèi)性能.
[Abstract]:Aiming at the problems of low precision and slow convergence rate of the original pollen algorithm, an improved pollen algorithm with Gao Si white noise disturbance is proposed to optimize the initial clustering center of K-means algorithm by using the powerful global searching ability of the improved pollen algorithm. The influence of outlier on clustering is reduced by distance-based method, and the performance of the algorithm is verified and tested. The experimental results show that the algorithm can effectively avoid falling into local optimum and improve the clustering performance.
【作者單位】： 西安工程大學(xué)理學(xué)院;
【基金】：陜西省自然科學(xué)基金資助項(xiàng)目(2016JM1031)
【分類(lèi)號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李瑋;薛惠鋒;詹海亮;;基于劃分采樣的初始聚類(lèi)中心算法[J];太原理工大學(xué)學(xué)報(bào);2011年04期

2 孟子健;馬江洪;;一種可選初始聚類(lèi)中心的改進(jìn)k均值算法[J];統(tǒng)計(jì)與決策;2014年12期

3 顧洪博;張繼懷;;聚類(lèi)算法初始聚類(lèi)中心的優(yōu)化[J];西安工程大學(xué)學(xué)報(bào);2010年02期

4 沈國(guó)珍;;依賴數(shù)據(jù)密度的K均值初始化調(diào)優(yōu)[J];計(jì)算機(jī)工程與應(yīng)用;2014年11期

5 王漢芝;劉振全;;一種新的確定K-均值算法初始聚類(lèi)中心的方法[J];天津科技大學(xué)學(xué)報(bào);2005年04期

6 劉峰,孫超,李斌;一種改進(jìn)的C均值法初始類(lèi)劃分方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2005年02期

7 謝娟英;郭文娟;謝維信;高新波;;基于樣本空間分布密度的初始聚類(lèi)中心優(yōu)化K-均值算法[J];計(jì)算機(jī)應(yīng)用研究;2012年03期

8 蘇錦旗;薛惠鋒;詹海亮;;基于劃分的K-均值初始聚類(lèi)中心優(yōu)化算法[J];微電子學(xué)與計(jì)算機(jī);2009年01期

9 張文君;顧行發(fā);陳良富;余濤;許華;;基于均值-標(biāo)準(zhǔn)差的K均值初始聚類(lèi)中心選取算法[J];遙感學(xué)報(bào);2006年05期

10 王賽芳;戴芳;王萬(wàn)斌;張曉宇;;基于初始聚類(lèi)中心優(yōu)化的K-均值算法[J];計(jì)算機(jī)工程與科學(xué);2010年10期

相關(guān)碩士學(xué)位論文 前1條

1 張永晶;初始聚類(lèi)中心優(yōu)化的K-means改進(jìn)算法[D];東北師范大學(xué);2013年

，

本文編號(hào)：1514378