基于qpso的数据聚类-计算机应用研究.pdfVIP

·40 · 计算机应用研究 2006 年 * 基于 QPSO 的数据聚类 龙海侠, 须文波, 孙 俊 ( 江南大学 信息工程学院, 江苏 无锡 214122) 摘 要: 在 K-Means 聚类、PSO 聚类、K-Means 和 PSO 混合聚类 ( KPSO) 的基础上, 研究了基于量子行为的微粒 群优化算法( QPSO) 的数据聚类方法, 并提出利用 K-Means 聚类的结果重新初始化粒子群 , 结合 QPSO 的聚类算 法, 即 KQPSO。介绍了如何利用上述算法找到用户指定的聚类个数的聚类中心。聚类过程都是根据数据之间 的 Euclidean( 欧几里得) 距离。K-Means 算法、PSO 算法和 QPSO 算法的不同在于聚类中心向量的“进化”上。最 后使用三个数据集比较了上面提到的五种聚类方法的性能, 结果显示基于 QPSO 算法的数据聚类性能比一般 PSO 算法更好。 关键词: 聚类; K-Means; PSO; QPSO; 聚类中心 中图法分类号: TP391 文献标识码 : A 文章编号 : 1001- 3695( 2006) 12- 0040- 03 Data Clustering Based on Quantum-behaved Particle Swarm Optimization LONG Hai-xia, XU Wen-bo, SUN Jun ( College of Information Technology, Southern Yangtze University, Wuxi Jiangsu 214122, China) Abstract: This paper investigates Quantum-behaved Particle Swarm Optimization( QPSO) algorithm to cluster data based on the K-Means clustering, PSO clustering and KPSO clustering. After that we introduce using K-Means clustering to seed the initial swarm, combing with QPSO to cluster data, namely KQPSO and introduce how these algorithms can be used to find the centroids of a user specified number of clusters. All the process of clustering based on the Euclidean distance among data vec- tors. The differences between K-Means, PSO, QPSO is the evolution of the cluster-centroids. Finally, we compare the perfor- mance of the five clustering method on three data sets. The experiments result show QPSO clustering superiority.