針對(duì)K-means聚類算法依賴于初始值并易陷入局部最優(yōu)值的問(wèn)題,提出了一種基于改進(jìn)花朵授粉的K-means聚類算法。該算法首先通過(guò)混沌映射的序列作為花朵種群的初值位置,保證花朵種群在搜索空間的多樣性、確定性;然后在花朵授粉的后期搜索階段引入禁忌搜索算法以避免陷入局部最優(yōu)解;最后將改進(jìn)后的FPA算法用于優(yōu)化K-means算法的初值。在五個(gè)聚類數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,改進(jìn)后算法的平均聚類準(zhǔn)確率相比于花朵授粉聚類算法提高了12.2%,證明了該算法對(duì)于低維數(shù)據(jù)集具有更好的聚類效果。

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引言
1 聚類算法和花朵授粉算法
    1.1 聚類相關(guān)問(wèn)題
    1.2 K-means算法
    1.3 花朵授粉算法
2 改進(jìn)的花朵授粉算法
    2.1 混沌優(yōu)化策略
    2.2 禁忌搜索法
3 基于改進(jìn)花朵授粉的K-均值聚類算法
4 仿真實(shí)驗(yàn)與結(jié)果分析
    4.1 改進(jìn)FPA性能測(cè)試
    4.2 改進(jìn)算法的聚類實(shí)驗(yàn)
5 結(jié)束語(yǔ)



本文編號(hào)：3840115