文献类型：期刊文章

作　　者：吴景岚[1] 朱文兴[2]

机构地区：[1]闽江学院计算机科学系,福州350002 [2]福州大学计算机科学与技术系,福州350002

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金资助项目(编号:10301009);福建省自然科学基金资助项目(编号:A0310013)

年　　份：2004

卷　　号：40

期　　号：22

起止页码：37-41

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：K均值聚类算法(KM)是解决聚类问题的一个常用的方法,该方法的主要缺点是其找到的局部极小值与全局最优值的偏差往往较大。论文构造一种基于KM算法的迭代局部搜索算法(称之为IKM)。该算法以KM算法所得到的解作为初始解,从该初始解开始作局部搜索,在搜索过程中接受部分劣解。当解无法改进时,算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代,以跳出局部极小,从而拓展了搜索的范围。试验结果表明IKM算法得到的聚类结果比KM算法得到的聚类结果有明显的改进,平均改进达100%以上。当数据集越大,簇的个数越多时,改进的效果越是显著,可以达到300%以上。因而,IKM算法是一个确实可行的有效的方法。

关 键 词：聚类问题 K均值算法 迭代局部搜索  

分 类 号：TP301.6]