基于LAAFSA改进的K-Means聚类算法

扫码查看

原文链接

NETL

中文摘要：针对K-Means聚类算法随机选择聚类中心,易陷于局部最优值的缺点和人工鱼群更新过程中对鲁棒性强,易跳出局部最优值的优点,本文对以往的方法研究总结,提出了基于LAAFSA改进的K-Means聚类算法.该算法在K-Means算法中引入LAAFSA算法.在LAAFSA算法中,对每条人工鱼进行聚群行为和追尾行为,若结果没有得到更新,则引入共轭梯度法,减少人工鱼在觅食行为中更新的随机性,增加人工鱼的局部寻优能力,得到近似全局最优的初始聚类中心,并将其作为K-Means初值详细进行局部搜索,以提高精度.在实验中,对LAAFSA和AFSA两个算法在目标函数上进行收敛性和最优值对比,根据实验结果显示LAAFSA算法具有优越性,其结果适合作为K-Means算法的初始聚类中心.最后,阐述对LAAFSA-KM算法后期实现及应用.

作者：

Xu Feifei、徐菲菲、Chen Saihong、陈赛红

展开 >

作者单位：

上海电力大学计算机科学与技术学院上海200090

关键词：

K-Means聚类算法 LAAFSA算法局部最优值

主办单位：

上海市学位委员会

会议名称：

2019年上海市“智能计算与智能电网”研究生学术论坛

会议时间：

2019-05-17

会议地点：

上海

会议母体文献：

2019年上海市“智能计算与智能电网”研究生学术论坛论文集

页码：

303-312

出版时间：

2019