K-means聚类算法；布谷鸟搜索算法.docxVIP

下载本文档

16
0
约1.35万字
约 31页
2023-03-31 发布于湖南
举报
版权申诉

K-means聚类算法；布谷鸟搜索算法.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

摘要 K-means 聚类算法是一种常用的聚类算法，具有高效简单等优点，然而该算法受初始聚类中心影响过大，容易陷入局部最优。针对K-means算法的缺陷，本文采用了具有 Levy 飞行模式且具有很强的全局搜索能力的布谷鸟搜索优化算法对 K-means 算法的聚类中心进行优化，将优化后的聚类中心作为K-means算法的初始聚类中心进行聚类，从而达到更好的聚类效果。本文采用matlab在window10操作系统下对算法进行实现，实验中的数据采用UCI数据集，通过聚类准确率和误差平方和两种性能指标对实验结果进行评估，基于布谷鸟搜素策略的K-means算法对比与传统的K-means算法，聚类准确率