文献类型：期刊文章

作　　者：贺思云[1] 高建瓴[1] 陈岚[2]

机构地区：[1]贵州大学大数据与信息工程学院,贵州贵阳550025 [2]贵州大学档案馆,贵州贵阳550025

出　　处：《贵州大学学报（自然科学版）》

基　　金：贵州省科学技术基金项目(黔科合J字[2015]2045);贵州省档案局科研项目(2015D001);贵州大学研究生创新基金项目(研理工2017014)

年　　份：2017

卷　　号：34

期　　号：5

起止页码：83-87

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：为克服k-means算法对初始聚类中心敏感的缺点,提出用改进后的人工蜂群算法来优化k-means算法的聚类中心。用最大距离积法对蜜源进行初始化,提高了蜜源的质量。增加蜜源搜索范围的动态调整因子,加快了算法的收敛速度。蜂群间经验值的交换,让算法在跳出局部最优解的同时,获得一个适应度值较高的蜜源;孤立点的寻找进一步提高了算法的有效性。实验表明,该算法加快了算法的收敛速度并提高了k-means聚类结果的准确度。

关 键 词：人工蜂群算法 K-MEANS聚类 最大距离积  动态调整范围  孤立点

分 类 号：TP301.6]