文献类型：期刊文章

作　　者：戴文华[1] 焦翠珍[1] 何婷婷[2]

机构地区：[1]咸宁学院计算机系,湖北咸宁437100 [2]华中师范大学计算机科学系,武汉430079

出　　处：《计算机科学》

基　　金：国家自然科学基金(No60442005,No60673040);国家社会科学基金(No06BYY029);教育部重点研究项目(No105117);湖北省教育厅科(NoD200728002)

年　　份：2008

卷　　号：35

期　　号：6

起止页码：171-174

语　　种：中文

收录情况：BDHX、BDHX2004、CSA、CSCD、CSCD2011_2012、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对传统K-means聚类算法对初始聚类中心的选择敏感,以及聚类数K难以确定的问题,提出一种基于并行遗传算法的K-means聚类方法。该方法采用一种新型的可变长染色体编码方案,随机选择样本点作为初始聚类中心形成染色体,然后结合K-means算法的高效性和并行遗传算法的全局优化能力,通过种群内的遗传、变异和种群间的并行进化、联姻,有效地避免了局部最优解的出现,同时得到了优化的聚类数目和聚类结果。实验表明该方法是一种精确高效的聚类方法。

关 键 词：并行遗传算法 可变长染色体编码  K-MEANS算法 聚类

分 类 号：TP301.6] O242.23[计算机类]