基于改进差分进化的K-均值聚类算法

摘要：

针对K-均值算法对初始值敏感和易陷入局部最优的缺点，提出了一种基于改进差分进化的K-均值聚类算法。该算法通过引入基于Laplace分布的变异算子和Logistic变尺度混沌搜索来增强全局寻优能力。实验结果表明，该算法能够较好地克服传统K-均值算法的缺点，具有较好的搜索能力，且算法的收敛速度较快，鲁棒性较强。

关键词：聚类分析、差分进化、K-均值聚类算法、Laplace分布、Logistic混沌搜索

分类号：TP393(计算技术、计算机技术)

资助基金：轻工过程先进控制教育部重点实验室开放课题资助江南大学项目APCLI1004

在线出版日期：2013-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：5064-5067