一种基于改进差分进化的K-均值聚类算法研究

发布时间：2021-05-17 14:15

　　针对K-均值算法的差异与缺点,对初始值敏感,易于落入局部最优解,差异进化算法具有强大的全局收敛能力和鲁棒性,但其收敛速度较慢。鉴于上述问题和缺陷,论文首先详细介绍了进化算法关键操作和差分进化算法的步骤和具体流程。然后,阐述了基于差分进化的K-均值聚类算法的描述,步骤和具体流程。最后,提出基于改进差分进化的K均值聚类算法,详细介绍改进方案,改进算法的步骤和具体流程。基于差分进化和改进算法的K均值聚类算法进行仿真实验,实验结果表明,该算法具有较好的搜索能力,算法收敛速度更快,鲁棒性更强。 

【文章来源】：计算机与数字工程. 2019,47(05)

【文章页数】：7 页

【参考文献】：
期刊论文
[1]一种改进的K-Means聚类算法的研究[J]. 王雪梅,李晓峰,高巍巍.  计算机与数字工程. 2013(11)
[2]基于改进差分进化的K-均值聚类算法[J]. 高平,毛力,宋益春.  电脑知识与技术. 2013(22)
[3]改进的组合差分进化优化算法[J]. 董明刚,王宁,程小辉.  计算机仿真. 2013(01)
[4]带基向量种群的改进差分进化算法[J]. 姜立强,强洪夫.  计算机工程. 2012(03)

硕士论文
[1]差分进化算法的改进及其在聚类中的应用[D]. 唐亚.广东工业大学 2016
[2]K-均值聚类算法的研究与改进[D]. 刘莉莉.曲阜师范大学 2015
[3]K-均值聚类算法的研究与改进[D]. 欧陈委.长沙理工大学 2011



本文编号：3191909