一种改善的粒子群和k 均值混合聚类算法.pdfVIP

第 32 卷第 1 期 电 子 与 信 息 学 报 Vol.32No.1 2010 年 1 月 Journal of Electronics Information Technology Jan. 2010 一种改进的粒子群和K 均值混合聚类算法 陶新民① 徐 晶② 杨立标① 刘 玉① ①(哈尔滨工程大学信息与通信工程学院 哈尔滨 150001) ②(黑龙江科技学院数力系 哈尔滨 150027) 摘 要：该文针对 K 均值聚类算法存在的缺点，提出一种改进的粒子群优化(PSO)和 K 均值混合聚类算法。该算 法在运行过程中通过引入小概率随机变异操作增强种群的多样性，提高了混合聚类算法全局搜索能力，并根据群体 适应度方差来确定 K 均值算法操作时机，增强算法局部精确搜索能力的同时缩短了收敛时间。将此算法与 K 均值 聚类算法、基于 PSO 聚类算法和基于传统的粒子群 K 均值聚类算法进行比较，数据实验证明，该算法有较好的全 局收敛性，不仅能有效地克服其他算法易陷入局部极小值的缺点，而且全局收敛能力和收敛速度都有显著提高。 关键词：K均值算法；粒子群优化算法；随机变异；适应度方差 中图分类号：TP181 文献标识码：A 文章编号：1009-5896(2010)01-0092-06 DOI: 10.3724/SP.J.1146.2008.01698 Improved Cluster Algorithm Based on K-Means and Particle Swarm Optimization ① ② ① ① Tao Xin-min Xu Jing Yang Li-biao Liu Yu ① (College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001,China) ② (Department of Mathematics and Mechanics, Heilongjiang Institute of Science and Technology, Harbin 150027,China) Abstract: To deal with the problem of premature convergence of the traditional K-means algorithm, a novel K-means cluster method based on the enhanced Particle Swarm Optimization(PSO) algorithm is presented. In this approach, the stochastic mutation operation is introduced into the PSO evolution, which reinforces the exploitation of global optimum of the PSO algorithm. In order to avoid the premature convergence and speed up the convergence, traditional K-means algorithm is used to explore the local search space more efficiently