中国科技论文

2019, v.14(07) 778-782+807

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

灰狼优化的k均值聚类算法
k-means clustering algorithm based on grey wolf optimization

刘佳鸣;况立群;尹洪红;韩燮;

摘要(Abstract):

针对k均值聚类算法对初始聚类中心位置敏感的问题,提出了一种基于灰狼优化的k均值聚类算法,通过灰狼优化算法对解空间的全局寻优能力得到α狼,实现对k均值聚类中心的初始化操作,并通过迭代更新α狼优化k均值聚类中心,直到达到最大迭代次数,以此改进k均值聚类算法。实验结果表明,在UCI(University of California Irvine)的4类数据集上,所提算法相比于传统的k均值聚类算法,获得了更好的聚类效果,其分类准确度平均提高10%左右,且算法较为稳定。

关键词(KeyWords): 聚类分析;k均值;聚类中心;灰狼优化算法;群体智能优化算法

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(61672473);; 山西省重点研发计划项目(201803D121081);; 中北大学研究生科技基金资助项目(20181543)

作者(Author): 刘佳鸣;况立群;尹洪红;韩燮;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享