針對(duì)k-means算法易受初始中心影響的缺點(diǎn),提出了基于改進(jìn)粒子群算法的k-means聚類算法(k-means cluster algorithm based on Improved PSO,IPK-means),在粒子群算法中加入混沌搜索過程,以增加PSO迭代后期粒子群的多樣性,并且在粒子更新過程中,給出了一種動(dòng)態(tài)調(diào)整因子公式,使得調(diào)整因子與該粒子的適應(yīng)度值大小相關(guān),即同一迭代中不同粒子也會(huì)擁有不同的調(diào)整因子。最后將改進(jìn)的PSO算法應(yīng)用于k-means聚類,為其尋找較好的初始中心,實(shí)驗(yàn)結(jié)果表明了該算法可取得較好的聚類結(jié)果。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 相關(guān)理論
    2.1 粒子群優(yōu)化算法
    2.2 改進(jìn)的粒子群優(yōu)化算法
        2.2.1 混沌搜索
        2.2.2 自適應(yīng)調(diào)整更新權(quán)重
    2.3 k-means聚類算法
3 基于混沌搜索的粒子群k-means聚類算法 (IPK-means)
4 實(shí)驗(yàn)結(jié)果及分析
    4.1 實(shí)驗(yàn)結(jié)果
    4.2 實(shí)驗(yàn)分析
5 結(jié)論



本文編號(hào)：3768731