一种引力搜索和K-means的混合聚类算法

摘要：

K-means算法是解决聚类问题的一种经典算法,具有算法简单、速度快和容易实现等特点.但它依赖初始值,容易陷入局部最优解.引力搜索算法是在2009年由伊朗的Esmat Rashedi教授等人基于引力定律提出的一个新算法,该算法已成功应用于聚类,但存在收敛速度慢等问题.鉴于K-means原理简单,聚类速度快的特点,本文提出了一种K-means和引力搜索相结合的算法,该算法将全局搜索能力强的引力搜索算法和局部搜索能力较强的K-means算法结合在一起,减少了引力搜索算法的运行时间,解决了引力搜索易受初始种群影响的问题,并且避免了K-means陷入局部最优的问题.实验结果表明,改进算法比K-means和引力搜索算法都能得到更优的解,并且比引力搜索算法收敛速度更快.

关键词：数据挖掘、聚类、引力搜索算法、K-均值、引力定律

所属期刊栏目：42

分类号：TP39(计算技术、计算机技术)

在线出版日期：2016-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：23-27