摘要:K-Means算法是一种经典的基于划分的聚类方法。传统的K-Means算法中存在很明显的缺陷,它对初始聚类中心的依赖性很大,聚类结果很容易陷入局部最优值;而基于遗传算法改进的K-Means聚类方法,提高了聚类结果的稳定性,但因为个体的多样性不足,常常会出现早熟等现象,其局部寻优能力较弱。针对上述问题,文中提出一种结合模拟退火算法的遗传K-Means聚类方法。利用模拟退火算法改进遗传算法的变异操作,用K-Means操作取代遗传算法的交叉操作,改善早熟现象,避免聚类结果陷入局部最优,实现聚类方法性能的提升。实验结果表明,该方法的聚类准确度比一般K-Means方法和遗传K-Means方法都要高。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社