文献类型：期刊文章

作　　者：吴雅琴[1] 王晓东[1]

WU Yaqin;WANG Xiaodong(School of Computer Information,Inner Mongolia Medical University,Hohhot 010110,China)

机构地区：[1]内蒙古医科大学计算机信息学院

出　　处：《重庆理工大学学报（自然科学）》

基　　金：全国高等院校计算机基础教育研究会课题项目(2018-AFCEC-293)

年　　份：2019

卷　　号：33

期　　号：5

起止页码：107-112

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：K-Means无监督聚类算法是现有聚类算法中最为典型的划分算法。针对K-Means聚类算法初始参数依赖性较高且聚类结果稳定性较差的问题,提出了一种改进的混合差分进化算法,并将混合差分进化算法引入K-Means聚类中。通过个体适值函数把种群视为2个子种群的混合体,并按照不同的变异策略和参数对2个子种群分别进行动态更新,提高了获取全局最优的概率。实验结果表明:相比K-Means聚类算法、基于差分进化的K-均值聚类算法,所提出方法能够有效提高聚类质量和收敛速度,较好地解决了K-Means聚类算法容易陷入局部最优陷阱的问题。

关 键 词：差分进化 聚类分析 大数据挖掘  K-MEANS 收敛速度 全局最优

分 类 号：TP311.13]