-
题名一种改进的混合蛙跳和K均值结合的聚类算法
被引量：6
- 1
-
-
作者
喻金平
张勇
廖列法
梅宏标
-
机构
江西理工大学工程研究院
江西理工大学信息工程学院
江西理工大学应用科学学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2016年第2期356-362,共7页
-
基金
国家自然科学基金(71462018)
江西省教育厅自然科学基金(DJJ12346)
-
文摘
传统K均值聚类(KMC)算法过分依赖初始值的设置,容易陷入局部最优;混合蛙跳算法(SFLA)存在收敛速度和搜索速度较慢、局部和全局信息交流不全面等缺点。针对以上缺点,首先提出一种改进的混合蛙跳算法(MSFLA)。该算法根据粒子群优化和差分进化思想,在青蛙个体变异时,引入上一次移动距离的权重惯性系数和缩放因子,从种群中的最优位置和历史最优位置之间的随机点出发,以子群内的青蛙的平均值和最差位置差值为步长进行青蛙个体的更新操作。再将MSFLA与KMC算法结合提出MSFLA-KMC算法,有效地克服了KMC算法过分依赖初始值设置问题,同时降低了KMC算法陷入局部最优的可能性。实验结果表明,MSFLA具有较强的寻优能力,MSFLA-KMC算法则具有更好的聚类性能。
-
关键词
K均值算法
混合蛙跳算法
距离更新公式
适应度函数
聚类
-
Keywords
K-means clustering algorithm
SFLA
distance updating formula
fitness function
clustering
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
