文献类型：期刊文章

作　　者：陈小雪[1,2] 尉永清[2,3] 任敏[1,4] 孟媛媛[1,2]

机构地区：[1]山东师范大学信息科学与工程学院,济南250014 [2]山东省分布式计算机软件新技术重点实验室,济南250014 [3]山东警察学院公共基础部,济南250014 [4]山东财经大学数学与数量经济学院,济南250014

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61373148;61502151);国家教育部人文社科基金资助项目(14YJC860042);山东省自然科学基金资助项目(ZR2014FL010);山东省优秀中青年科学家奖励基金资助项目(BS2013DX033);山东省社会科学规划项目(16CFXJ05);山东省高等学校科技计划项目(J15LN02;J15LN22);山东省高等学校人文社会科学研究项目(J15WB37)

年　　份：2018

卷　　号：35

期　　号：2

起止页码：466-470

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统K-means算法易受初始聚类中心和异常数据的影响等缺陷,利用萤火虫优化算法全局搜索能力强、收敛速度快的优势,对K-means算法的初始聚类中心进行优化,并通过引用一种加权的欧氏距离,减少异常数据等不确定因素带来的不良影响,提出了一种基于萤火虫优化的加权K-means算法。该算法在提升聚类性能的同时,有效增强了算法的收敛速度。在实验阶段,通过UCI数据集中的几组数据对该算法进行了聚类实验及有效性测试,实验结果充分表明了该算法的有效性及优越性。

关 键 词：加权K-means  聚类 萤火虫算法

分 类 号：TP301.6]