基于约束的粒子群聚类算法

摘要：

提出了一种基于约束的粒子群聚类算法CCPSO,该算法利用粒子群的特性在数据集中有指导地随机搜索聚类中心向量, 在较少的迭代次数内确定类别数.各样本与其类别中心的均方误差作为粒子群优化的目标函数,数据集的边界作为粒子群移动的约束条件,对约束违反分情况进行惩罚.基于数据集的方差和模糊高斯函数将样本到其类别中心的距离进行模糊映射,归一化到[0,1]区间,以降低不平衡数据集的影响.聚类iris数据集和Reuters-21578文档集以验证算法的有效性,并与k-means算法进行了对照实验,在大规模数据聚类时有明显优势.

关键词：粒子群优化算法、聚类、约束优化、惩罚函数

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划2006AA060205;北京市教委科研项目KM200610017007

在线出版日期：2008-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：192-197