欢迎来到优发表,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)

SCI投稿辅导 SCI发表咨询

结合模拟退火算法的遗传K-Means聚类方法

作者:凌静; 江凌云; 赵迎 南京邮电大学通信与信息工程学院; 江苏南京210003

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

计算机技术与发展

统计源期刊 下单

国际刊号:1673-629X

国内刊号:61-1450/TP

杂志详情
相关热门期刊

服务介绍LITERATURE

正规发表流程 加急见刊

多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。

保障正刊 双刊号

推荐期刊保障正刊,评职认可,企业资质合规可查。

用户信息严格保密

诚信服务,签订协议,严格保密用户信息,提供正规票据。

不成功可退款

如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。