重庆理工大学学报(自然科学) ›› 2019, Vol. 33 ›› Issue (5): 107-112.
吴雅琴,王晓东
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。
中图分类号: