基于改进鱼群和K-means的混合聚类算法

作者：刘薇; 刘柏嵩; 王洋洋

来源：计算机工程与应用, 2013, (22): 119-122.

• 人工鱼群
• K-均值
• 聚类
• 粒子群
• 混合算法 Artificial Fish Swarm Algorithm(AFSA)
• k-means
• data clustering
• Particle Swarm Optimization(PSO)
• hybrid algorithm

针对传统K-means算法存在的缺陷,引进人工鱼群算法,提出了一种基于改进鱼群和K-means的混合聚类算法。聚类样本中心点初始化时,人工鱼各维参数随机选择在对应属性两个极值之间,同时为了降低计算复杂度,提高收敛效率,寻找全局最优,首先对随机选取的一小部分人工鱼进行K-means操作,然后对全体人工鱼的追尾算子引入粒子群策略,引导其学习,模拟人工鱼的行为。通过Matlab仿真实现算法,在费雪鸢尾花卉数据集和葡萄酒质量数据集进行了实验,算法的有效性和可行性得到了验证。

• 出版日期2013
• 单位宁波大学