基于改进粒子群和K-means聚类的优化算法

作者：孙林; 张一曼; 张辰珂; 徐久成

来源：江苏科技大学学报(自然科学版), 2023, 37(03): 81-90.

DOI：10.20061/j.issn.1673-4807.2023.03.013

• 粒子群优化
• K-means聚类
• 惯性权重
• 时间权重
• 欧氏距离

为了解决粒子群优化(particle swarm optimization, PSO)收敛速度慢和迭代次数多，以及传统K-means聚类算法采取的欧氏距离划分准则会导致聚类效果不理想等问题，构建了基于改进粒子群和K-means聚类的优化算法.根据Sigmoid函数优势，对PSO算法中速度更新公式的惯性权重参数实施改进，得到新的惯性权重公式，有效提高PSO算法的收敛速度；在PSO算法的位置更新公式中引入时间权重，通过调整时间权重大小，控制粒子的空间搜索范围，增强粒子的搜索能力；在传统的欧氏距离中引入属性权值，得到新的欧氏距离计算公式，该公式在计算两个向量相似度时，同时考虑了两个向量间的累积差异以及它们之间的相似性，与改进的PSO算法相结合，设计了基于改进粒子群和K-means聚类的优化算法.在6个基准测试函数和13个UCI数据集上，将所提出的优化算法与其他算法进行对比实验分析.实验结果表明：所提算法在收敛速度和寻优稳定性方面得到了明显提升，有效地提高了聚类准确率并且降低了迭代次数.

• 出版日期2023
• 单位河南师范大学